Hasil Pencarian  ::  Simpan CSV :: Kembali

"This book introduces methods of re-processing images to extract numerical information that can be used to quantify the observables in environmental modelling. Experiments or procedures that yield large images can be statistically or parametrically examined. Through the use of open source libraries, the book shows how big data in the form of images or datasets can be comparatively analysed along same defined procedures or standards. This book helps to solve the challenges of discarding datasets that are relevant directly or indirectly to the research. The habit of screening datasets leads to the discard of over 90% of the original dataset or images generated in the experiments or procedure. If the images or datasets are generated under the same principles or conditions, then each measurement may be the narrative of unique events. The focus of this book is to enlighten researchers on how to analyse measurements with the aim of ensuring 100% utilization.;"

"Kriptografi merupakan suatu ilmu yang mempelajari teknik-teknik untuk menyandikan informasi. Dalam tugas akhir ini akan dikaji mengenai Visual Secret Sharing Scheme (VSSS), yang merupakan cabang studi dari kriptografi yang digunakan untuk mengamankan pesan berupa citra digital. Citra digital dienkripsi sehingga menghasilkan beberapa citra digital (transparan) yang kemudian didistribusikan ke sejumlah partisipan (orang) yang ditentukan. Proses dekripsi atau rekonstruksi citra dapat dilakukan dengan memanfaatkan indera penglihatan manusia, yaitu dengan mencetak transparan pada lembar transparan kemudian menumpuknya. Pada tugas akhir ini akan dibahas mengenai bagaimana mengkonstruksi VSSS untuk citra biner, selanjutnya dengan memanfaatkan teknik halftone dan dekomposisi warna, akan dikonstruksi VSSS untuk citra grayscale dan citra warna bersasarkan konstruksi VSSS untuk citra biner tersebut.

---

Cryptography is a knowledge about several techniques to encode and decode information. In this skripsi, the construction of Visual Secret Sharing Scheme (VSSS) as a branch of cryptography will be discussed., VSSS is used to secure messages in the form of digital images. Digital image will be encrypted to produce a number of digital image (called transparent) which is then distributed to a number of participants (people). Decryption process or image reconstruction can be done by using the human senses of sight,. The result image, namely the transparent, is printed on transparent sheets and then stacked its together to recover the original image. In this skripsi, the discussion is focused on how to construct the VSSS for color image. First the VSSS will be constructed for binary image, then by using the decomposition technique and halftone technique, the VSSS for grayscale and color images based on the construction of VSSS for the binary image will be constructed."

"ABSTRACTKorban kanker dan tumor akut semakin bertambah tiap tahunnya dan menjadi salah satu penyebab kematian manusia terbanyak di dunia. Kanker dan tumor merupakan sel jaringan tubuh yang tumbuh secara abnormal dan merusak jaringan disekitarnya. Pada awalnya kanker dan tumor tidak memiliki gejala yang pasti pada stadium awal, dan bahkan dapat menyerang jaringan tubuh bagian dalam yang menyebabkan tidak bisa dilihat dengan mata manusia. Penyebab umum dari penderita kanker dan tumor akut adalah telatnya pendeteksian dini. Pendeteksian dini yang murah, proses yang cepat, sistem yang sederhana, dan alat yang portable menjadi salah satu solusi yang tepat untuk mengantisipasi perkembangan kanker ataupun tumor yang lebih jauh. Dari semua metode yang memiliki sistem perangkat keras yang murah, sederhana, dan portable yaitu metode microwave imaging. Algoritma yang paling sederhana dalam microwave imaging adalah Filtered Back Projection (FBP) dan Algebraic Reconstruction Technique (ART). Kedua metode tersebut akan dibandingkan dengan cara merekonstruksi citra phantom fisik buatan yang memiliki dua karakteristik dielektrik yang berbeda. Metode perbandingan kinerja yang dipakai terbagi menjadi dua, yaitu analisis kualitatif dan kuantitatif. Analisis perbandingan secara kualitatif meliputi kasar atau halusnya citra dan keberhasilan membedakan dielektrik secara kasat mata. Sedangkan metode kuantitatif meliputi metode Histogram, Structural Similarity, Mean Squared Error, dan Peak Signal-to-Noise Ratio. Setelah dibandingkan keduanya berhasil membedakan kedua dielektrik tetapi FBP memiliki nilai parameter analisis kuantitatif yang lebih baik dibandingkan ART. Di sisi lain ART menghasilkan citra yang lebih kontras dengan persebaran grayscale level yang lebih lebar dibandingkan FBP dan memperjelas citra yang dihasilkan.

---

ABSTRACTVictims of acute cancer and tumor are growing each year and just become one of the causes of human deaths in the world. Cancer and the tumor tissue cells are actually normal cells that grew abnormally and turn to take over and damage the surrounding tissue. At the beginning, cancer and tumors do not have definite symptoms in its early stages, and can even attack the tissues inside of the body that can not be seen with the human eye. Early detection system which is cheap, quick, simple, and portable is appropriate to anticipate the further development of cancer or tumor. Among all the methods that have a cheap, simple, and portable hardware system is microwave imaging methods. The two simplest algorithm in the microwave imaging are Filtered Back Projection (FBP) and Algebraic Reconstruction Technique (ART). Both of these methods will be compared by reconstructing the image of an artificial physical phantom that has two different dielectric value. Performance comparison method that has been used is divided into two method, namely qualitative and quantitative method. Qualitative comparative analysis covers the smoothness of an image and also the success in distinguishing dielectric value differences by looking the image with normal human eye. While quantitative method includes Histogram, Structural Similarity Index (SSIM), Mean Squared Error (MSE), and Peak Signal-to-Noise Ratio (PSNR). Having compared, their image results managed to distinguish the two dielectric, but in quantitative method FBP results are better than ART. On the qualitative method, ART produces more contrast image with wider distribution grayscale level than FBP, which is make the ART result image more distinguishable for each dielectric value."

"Dalam medan yang cukup sulit diperlukan sistem quadcopter yang mempunyai kemampuan manuver, pemetaan, pendeteksi rintangan, dan objek yang dapat mengakses area yang cukup sulit. Penelitian ini membahas tentang pendeteksian rintangan menggunakan ORB-SLAM3 dan OctoMap, stabilisasi quadcopter menggunakan kontrol PID, dan pendeteksian bagian tubuh manusia menggunakan YOLOv8 dalam satu sistem untuk menciptakan sistem quadcopter yang dapat mendeteksi keberadaan manusia dan juga rintangan dalam melakukan proses Search and Rescue (SAR) yang pada tahap ini dilaporkan hingga implemetasi ketiganya saja. ORB-SLAM3 digunakan untuk proses pemetaan dan pendeteksi rintangan yang menghasilkan pointcloud dari ekstraksi fitur dan juga estimasi pose kamera pada quadcopter Pointcloud yang dihasilkan dari proses ekstraksi fitur digunakan untuk merekonstruksi rintangan. agar dapat mengikuti lintasan tersebut kemudian sekaligus dapat melakukan pelacakan objek. Dari hasil pelatihan model YOLO v8 didapatkan mAP sebesar 95% menunjukkan kinerja keseluruhan yang tinggi dalam deteksi objek di berbagai kelas.

---

In a challenging field, a quadcopter system with maneuvering, mapping, obstacle detection, and access to difficult areas capabilities is essential. This research focuses on obstacle detection using ORB-SLAM3, OctoMap, quadcopter stabilization using PID control, and human body part detection using YOLOv8 in a unified system to create a quadcopter system capable of detecting both human presence and obstacles during Search and Rescue (SAR) operations. ORB-SLAM3 is utilized for mapping, generating point clouds from feature extraction and camera pose estimation on the quadcopter. The point cloud produced from feature extraction is employed to reconstruct obstacles, allowing the quadcopter to follow paths and simultaneously track objects. The YOLOv8 model achieved an mAP of 95% after training, demonstrating high overall performance in detecting objects across various classes."

"In this research, Parrot AR.Drone as an Unmanned Aerial Vehicle (UAV) was used to track an object from above. Development of this system utilized some functions from OpenCV library and Robot Operating System (ROS). Techniques that were implemented in the system are image processing al-gorithm (Centroid-Contour Distance (CCD)), feature extraction algorithm (Principal Component Ana-lysis (PCA)) and an artificial neural network algorithm (Generalized Learning Vector Quantization (GLVQ)). The final result of this research is a program for AR.Drone to track a moving object on the floor in fast response time that is under 1 second.Pada penelitian ini, Parrot AR.Drone digunakan sebagai pesawat tanpa awak untuk menjejaki sebuah objek dari atas. Pengembangan sistem ini memanfaatkan beberapa fungsi dari pustaka OpenCV dan Robot Operating System (ROS). Teknik-teknik yang diimplementasikan pada sistem yang dikem-bangkan adalah algoritma pengolahan citra (Centroid-Contour Distance (CCD)), algoritma ekstraksi fitur (Principal Component Analysis (PCA)), dan algoritma jaringan syaraf tiruan (Generalized Lear-ning Vector Quantization (GLVQ)). Hasil akhir dari penelitian ini adalah sebuah program untuk AR. Drone yang berfungsi untuk menjejaki sebuah objek bergerak di lantai dengan respon waktu yang ce-pat dibawah satu detik."

"Skripsi ini menjelaskan suatu metode deteksi kecepatan pengelasan yang bisa diaplikasikan untuk simulator pengelasan menggunakan augmented reality. Dalam proses pengelasan, faktor kecepatan pengelasan menjadi sangat penting karena merupakan salah satu faktor yang menentukan bagus tidak nya kualitas pengelasan. Welding simulator ini nantinya bisa digunakan sebagai bentuk pelatihan pengelasan dengan biaya yang relatif murah. Metode ini menggunakan software ARToolkit,OpenGL library dan Autodesk 3ds Max dalam pembuatannya. Dalam perhitungannya, metode ini menggunakan algoritma perbedaan koordinat dalam satuan waktu yang diambil dari besarnya frame per second (FPS) dari sebuah kamera. Setelah metode ini berhasil dibuat, data pengukuran diambil untuk mendapatkan seberapa tepat dan berapa kesalahan (error) pendeteksian kecepatan pada simulator dari kecepatan yang yang sebenarnya dengan parameter tingkat intensitas cahaya yang berbeda. Analisis dilakukan dan didapatkan nilai kesalahan yang tidak terlalu besar sehingga metode berhasil dibuat dan kedepannya pengembangan lebih lanjut bisa dilakukan untuk membuat fitur-fitur yang lebih canggih.

---

This paper explain about travel angle detection that able to use for welding simulator using augmented reality. Travel speed is one of important parameter that able to influence the welding quality. In the future, this simulator can be used by students who want to join welder training with low cost. This method used ARToolkit, OpenGL library and Autodesk 3ds Max software for build the simulator. The travel speed detection used distance of the coordinat per time unit that included inside of frame per second (FPS) in camera specification. After this method built successfully, data of speed detection was analized for how accurate and how many error from speed detection to actual speed with different lighting condition. The speed detection error was not far away from the actual speed, so this simulator can be development more to get more important feature on welding process in the future."

"ABSTRAK

Skripsi ini membahas tentang simulasi sistem untuk mendeteksi pejalan kaki. Dikarenakan hak pejalan kaki yang masih dipandang sebelah mata, maka tidak pernah luput dari kejadian yang tidak diinginkan seperti kecelakaan. Penelitian skripsi ini bertujuan agar mengetahui bagaimana kinerja sistem untuk mendeteksi pejalan kaki. Simulasi ini memanfaatkan aplikasi MATLAB sebagai hasil output-nya. Dengan menggabungkan tiga metode sebagai acuannya yaitu Background Subtraction, Histogram of Oriented Gradient (HOG) dan Local Binary Pattern (LBP), memberikan output dimana dapat mendeteksi pejalan kaki. Vision.PeopleDetector digunakan untuk mendeteksi pejalan kaki secara tegak dan GetMapping untuk LBP.

Dari sistem yang dibuat dilakukan analisis berdasarkan waktu dan akurasi deteksi dengan membandingkan empat metode, yaitu HOG, Background Subtraction-HOG, HOG-LBP dan Background Subtraction-HOG-LBP. Hasilnya adalah metode gabungan Background Subtraction-HOG-LBP tidak sebaik metode yang lain. Waktu eksekusi selama 255,41 second. Akurasi 10 fps sebesar 59,5 % dan 20 fps sebesar 51%. Akurasi resolusi sebesar 640x480 42% dan 480x320 sebesar 44%.

---

ABSTRACT

This final assignment discusses about system simulation for pedestrian detection. Because of the rights of pedestrian who are still underestimated, then never escape from undesirable events such as accident. This research aims to find out how the system works to detect pedestrian. This simulation use MATLAB software as output. Pedestrian detection simulation combine three methods, there are Background Subtraction, Histogram of Oriented Gradient (HOG) and Local Binary Pattern (LBP). Vision.PeopleDetector used to detect pedestrian in an upright and GetMapping for LBP.

From the system, you can do analysis time and accuracy by comparing four methods, they are HOG, Background Subtraction-HOG, HOG-LBP and Background subtraction-HOG-LBP. The result is method of Background Subtraction-HOG-LBP is not as good as other methods. Elapsed time is 255,41 seconds. Resolution accuracy is 42% for 640x480 and 44% for 480x320.

"

"Kuantifikasi citra terhadap pengukuran resolusi spasial, umumnya menggunakan protokol standar yang diterbitkan oleh National Electrical Manufacturers Association (NEMA). Namun, metode ini memiliki keterbatasan pada metode fitting data yang dilakukan. Akurasi yang lebih baik diberikan oleh fungsi Gaussian. Selanjutnya, penentuan resolusi spasial seperti berdasarkan Point Spread Function (PSF) dapat dipengaruhi oleh keberadaan noise atau error dalam data yang dapat menurunkan kontras citra. Oleh karena itu, untuk menjamin akurasi kuantifikasi citra, dilakukan dengan memastikan error sekecil mungkin dan memiliki perkiraan yang dapat diandalkan tentang seberapa besar error tersebut. Penelitian ini ditujukan untuk menyelidiki bagaimana tingkat noise yang berbeda pada pengukuran Full Width at Half Maximum (FWHM) berdasarkan metode NEMA dan Gaussian mempengaruhi keakuratan sistem pencitraan. FWHM digunakan untuk mengkarakterisasi resolusi spasial berdasarkan profil PSF. Hasil yang diperoleh diharapkan dapat memberikan informasi pada fisikawan medis mengenai pengaruh error dari pengukuran FWHM dalam rangka optimasi layanan klinis di rumah sakit. Dalam penelitian ini, model error yang digunakan adalah kombinasi model error proporsional dan Fractional Standard Deviation (FSD). Hasil penelitian menunjukkan terdapat peningkatan relatif deviasi FWHM terhadap variasi FSD 1% hingga 5% pada bidang dua dimensi dan tiga dimensi berdasarkan metode NEMA dan Gaussian. Peningkatan ini menjelaskan bahwa semakin tinggi tingkat noise pada sistem pencitraan, maka akan semakin mempengaruhi pengukuran FWHM yang berdampak pada penurunan kontras citra. Selanjutnya, terdapat korelasi antara error pixel value dan error FWHM. Semakin tinggi persentase nilai error pixel value pada sistem pencitraan, maka akan semakin mempengaruhi peningkatan persentase nilai error pada pengukuran FWHM.

---

Image quantification of spatial resolution measurements, generally using standard protocols published by the National Electrical Manufacturers Association (NEMA). However, this method has limitations on the data fitting method performed. Better accuracy is given by Gaussian function. Furthermore, spatial resolution determination such as based on Point Spread Function (PSF) can be influenced by the presence of noise or errors in the data that can decrease image contrast. Therefore, to ensure the accuracy of image quantification, it is done by ensuring the slightest possible error and having a reliable estimate of how big the error is. This study is intended to investigate how different noise levels in Full Width at Half Maximum (FWHM) measurements based on NEMA and Gaussian methods affect the accuracy of imaging systems. The FWHM is used to characterize spatial resolution based on PSF profiles. The results are expected to provide information to medical physicists about the effect of error in FWHM measurement to optimize clinical services in hospitals. In this study, the error model used is a combination of the proportional error model and the Fractional Standard Deviation (FSD). The results showed that there was an increase in the relative deviation of FWHM to the FSD variation of 1% to 5% in two-dimensional and three-dimensional fields based on the NEMA and Gaussian methods. This increase explains that the higher the noise level in the imaging system, the more it affects the FWHM measurement which has an impact on the decrease in image contrast. Furthermore, there is a correlation between the pixel value error and the FWHM error. The higher the percentage of error pixel value in the imaging system, the more it will affect the increase of percentage error FWHM measurement."

"Alzheimer’s Disease (AD) merupakan penyakit degeneratif pada organ otak yang dapat menyebabkan penurunan kognitif, sehingga mempengaruhi kualitas hidup dan perilaku penderita. Diagnosis secara dini dan akurat dari AD, termasuk mengindentifikasi tahap awal dari penyakit ini yang disebut sebagai mild cognitive impairment (MCI), merupakan hal yang penting untuk melakukan intervensi terhadap penyakit ini. Fluorodeoxyglucose Positrons Emission Tomography (FDG-PET) adalah modalitas pencitraan molekuler fungsional yang dapat digunakan untuk membantu memahami perubahan secara anatomis dan perubahan secara neural pada otak yang berhubungan dengan AD. Keberhasilan model Convolutional Neural Network (CNN) terutama dalam klasifikasi citra, kami mengembangkan sebual model CNN yang dilatih menggunakan data citra dari FDG-PET dari Alzheimer’s Disease Neuroimaging Initiative (ADNI) untuk dapat mengklasifikasikan antara citra dengan kondisi AD, MCI, dan Cognitive Normal (CN). Metode Gradient-weighted Class Activation Mapping (Grad-CAM) digunakan untuk meningkatkan interpretabiltas model, menunjukkan daerah-daerah penting dari prediksi dan membuat model menjadi lebih transparan dan dapat dijelaskan. Model multiclass yang dikembangkan memperoleh akurasi (97%), presisi (99%), recall (99%), dan F1-Score (99%). Heatmap yang dihasilkan dari Grad-CAM memberikan informasi visual terhadap proses pembuatan keputusan dari model, yang dapat membantu dalam memahami daerah-daerah penting pada citra yang diklasifikasi. Berdasarkan penelitan ini, model yang dikembangkan selain memiliki kapabilitas dalam melakukan klasifikasi penyakit Alzheimer serta tahap awal dari penyakit, model juga memberikan informasi visual yang berpotensi untuk memajukan perangkat diagnostik dalam bidang kesehatan.

---

Alzheimer’s disease (AD) is a brain degenerative disorder can cause cognitive decline, impacting daily life and behaviour of the patient. Early and accurate diagnosis of AD, including identifying its prodromal stage (mild cognitive impairment (MCI), is crucial for effective intervention of the disease. Fluorodeoxyglucose Positrons Emission Tomography (FDG-PET) is a functional molecular imaging modality, that can be used to help understand the anatomical and neural changes of brain related to AD. With the success of Convolutional Neural Network (CNN) especially in image classification, we develop a CNN model trained on FDG-PET images from Alzheimer’s Disease Neuroimaging Initiative (ADNI) dataset to discern between AD, MCI, and Cognitive Normal (CN) states. Incorporating Gradient-weighted Class Activation Mapping (Grad-CAM) enhances model interpretability, highlighting crucial image regions for disease prediction and to enhance our model interpretability and make our model more transparent and explainable. Our multiclass model achieves accuracy (97%), precision (99%), recall (99%), and F1 scores (99%). Grad-CAM-generated heatmaps give insight into the model’s decision-making process, aiding in understanding important classification regions within images. Based on our findings, not only demonstrate the model’s capability in classifying Alzheimer’s disease and its prodromal stage but it also provides visual insights that showcase its potential to advance diagnostic tools in healthcare."