Hasil Pencarian  ::  Simpan CSV :: Kembali

"Pada paper ini disajikan hasil implementasi paralel dan waktu nyata beberapa algoritma pra pengolahan citra filtering dan hinerisasi dengan solusi reprogrammabke, reconfigurable dan virtual peripheral menggunakan multimikrokontroler RISC. Algoritma yang diimplementasi yaitu filter rata-rata filter intensitas, binerisasi sederhana dan binerisasi lokal. Dengan menggunakan mikrokontroler SX28 dan SX48, 75 MIPS (dengan frekuensi 75 Mhz dan kecepatan eksekusi 13.3 ns/kata instrujsi) dan dikombinasikan dengan teknik pipellining, berhasil didapatkan kecepatan waktu nyata 30 frame/detik dengan resolusi horizontal 128 ppixel untuk keseluruhan algorithmne yang diimplementasikan. Untuk suatu sistem prapengolahan citra (filtering dan binerisasi) dibtuuhkan paling banyak 6 buah chip . Hasil ini merupakan penyempurnaan dari disain sebelumnya yang menggunakan 10 buah chip SX28AC 50 MIPS yang mana aspek waktu nyata untuk keseluruhan algoritma masih belum terpenuhi."

"Kompresi citra adalah proses mengurangi ukuran dari citra dengan mengurangi kualitas dari citra tersebut. Metode Fraktal yang digunakan bekerja dengan mencari kemiripan pada piksel-piksel citra dan mengelompokkannya dalam beberapa cluster. Semakin tinggi tingkat kemiripan pada citra, rasio kompresi akan semakin baik. Pada citra berwarna (RGB) metode tersebut diulang sebanyak tiga kali, masing-masing untuk satu elemen warna. Hasil akhir dari proses kompresi adalah tiga virtual codebook, masing-masing untuk satu elemen warna, yang menyimpan nilai dari brightness, contrast, dan tipe transformasi affine yang digunakan untuk tiap cluster. Proses dekompresi dari metode ini adalah dengan membentuk citra kosong dengan resolusi yang sama dengan citra asli dan mengisikan nilai RGB pada tiap piksel yang bersangkutan dengan menghitung nilai yang tersimpan pada virtual codebook. Dengan menggunakan nilai Coefficient of Variation (CV) sebagai penyesuaian nilai standar deviasi dan 57 citra BMP24-bit, hasil pengujian menunjukkan rasio kompresi rata-rata sebesar 41.79%. Dengan metode paralel yang digunakan, proses kompresi citra berwarna menunjukkan rata-rata nilai speed-up sebesar 1.69 dan nilai efisiensi prosesor sebesar 56.34%.Image compression is a process of reducing the size of the image by reducing the quality of the image. Fractal method is used to work by searching for similarities in the image pixels, and group them in clusters. The higher the degree of resemblance to the image, the better the compression ratio. In the color image (RGB) the method is repeated three times, each for one color element.The end result of the compression process is a three virtual codebook, each for one color element, which stores the value of the brightness, contrast, and the type of affine transformation are used for each cluster. Decompression process of this method is to form a blank image with the same resolution with the original image and fill in the RGB values at each pixel corresponding to the count value stored in the virtual codebook.By using the Coefficient of Variation (CV) as an adjustment value and standard deviation of 57 pieces of 24-bit BMP images, test results showed an average compression ratio of 41.79%. With the parallel method is used, the compression process of color image shows the average speed-up values of 1.69 and the processor efficiency of 56.34%."

"With the liveline terminology [4] as the background, we elaborate satisfaction function and it's implication to the process characteristics, as an addition to the real-time system concept...."

"Diskritisasi persoalan yang berbentuk persamaan diferensial dapat menghasilkan sistem persamaan linier (terlinierisasi) Au = d, dimana matrik koefisien A berupa matrik tridiagonal. Tulisan ini membicarakan alternatif solusi sistem persamaan tersebut, metode reduksi ganjil-genap siklis (cyclic odd-even reduction) dan pemisahan rekursif (recursive decoupling), pada sistem multiprosesor. Ide dasar metode reduksi siklis adalah menurunkan baris-baris independen dengan cara reduksi pada baris berindek ganjil atau genap. Metode pemisahan rekursif berdasarkan strategi perubahan rank-satu (rank-one updating), dan partisi sistem matrik menjadi submatrik 2x2. Aplikasi metode tersebut diimplementasikan pada sistem multiprosesor berbasis transputer. Kinerja algoritma paralel dievaluasi berdasarkan parameter waktu eksekusi (running time), granularitas, percepatan (speed-up), efisiensi, dan biaya. Secara kualitatif algoritma reduksi siklis memiliki granularitas yang kecil (cenderung fine grain) dibandingkan granularitas algoritma pemisahan rekursif yang relatif besar (coarse grain). Dari eksperimen hingga 8 prosesor diperoleh peningkatan kecepatan sebesar 1,77 {2 prosesor) sampai 4,22 (8 prosesor) untuk algoritma reduksi siklis, dan algoritma pemisahan rekursif sebesar 2,00 (2 prosesor) hingga 5,90 (8 prosesor). Sedangkan efisiensinya, algoritma reduksi siklis mencapai 88,38 persen (2 prosesor) dan 52,78 persen (8 prosesor). Untuk algoritma pemisahan rekursif efisiensinya mencapai 100 persen (2 prosesor) dan 73,82 persen (8 prosesor). Hasil optimal dicapai algoritma pemisahan rekursif pada implementasi memakai 2 prosesor, dengan percepatan sama dengan 2, efisiensi 100 persen, dan biaya yang diperlukan sama dengan biaya eksekusi memakai satu prosesor."

"Pengembangan perangkat lunak sistem waktu-nyata membutuhkan banyak tahapan mulai dari penganalisisan, perancangan, sampai implementasi. Tahapan penganalisisan dan perancangan adalah tahapan yang penting, karena disini akan dilakukan pemodelan perangkat lunak yang akan dibuat. Setelah melewati kedua tahapan ini baru dapat dilakukan proses penulisan program (implementasi) dan pengujian yang akan menentukan apakah rancangan sesuai kebutuhan atau tidak. Tahapan analisis dan perancangan acapkali membutuhkan waktu yang lama dan dengan dernikian akan menghabiskan biaya dan usaha yang besar. Tesis ini mencoba melakukan pemodelan terhadap sistem proses pembuatan slab steel di PT. (Persero) Krakatau Steel dengan menggunakan metode penganalisisan dan perancangan Ward dan Mellor. Metode Ward dan Mellor adalah salah satu metode penganalisisan dan perancangan sistem waktu-nyata terstruktur yang baku. Untuk memvisualisasikan model yang telah dibuat dan mengetahui apakah hasil penganalisisan dan perancangan yang dilakukan sudah benar atau tidak, dibuat sebuah simulator proses pembuatan slab steel yang dibangun berdasarkan model di atas. Simulator ini dilengkapi dengan nilai-nilai parameter proses yang besarnya disesuaikan dengan nilai parameter proses sesungguhnya yang terdapat di pabrik slab steel PT. (Persero) Krakatau Steel. Simulator diterapkan pada beberapa komputer yang saling terhubung untuk menggambarkan bagian-bagian proses yang ada di pabrik. Simulator juga dilengkapi dengan tampilan grafis teranimasi."

"Pertukaran informasi yang bersifat rahasia melalui media yang umum digunakan seperti internet riskan dilakukan. Salah satu solusi untuk menangani permasalahan tersebut adalah steganografi, yaitu penyisipan pesan pad a media digital seperti citra, audio, ataupun video sehingga pesan yang dipertukarkan tidak mencurigakan. Salah satu metode steganografi yang baik dan berkapasitas besar adalah Bit-Plane Complexity Segmentation (BPCS). Steganografi akan lebih baik bila dikombinasikan dengan teknik enkripsi, salah satunya Advance Encryption Standard (AES). Hasil penelitian menunjukkan bahwa metode steganografi BPCS memiliki kapasitas penyisipan pesan yang besar, mencapai 47% dari ukuran vessel image.Hasii stego image berkualitas baik dengan nilai PSNR di atas 30 dB, walaupun ada beberapa stego image yang memiliki nilai PSNR di bawah 30 dB karena memakai 87 - 99% dari kapasitas maksimaI. Nilai MOS stego image yang diuji seluruhnya di atas 4,12 yang menunjukkan kualitas baik. Namun metode ini tidak tahan terhadap perubahan, sehingga bila stego image ditambahkan Gaussian Noise, pesan yang didekode mengalami perubahan.Hal tersebut memberikan keuntungan bagi pengirim dan penerima pesan untuk menghilangkan bukti. Penggunaan enkripsi AES mengurangi jumlah blok yang terkonjugasi pada proses steganografi BPCS. Walaupun memerlukan sedikit waktu tambahan, namun penggunaan enkripsi AES pada metode steganografi BPCS tentu akan mempersulit eavesdropper dalam mendeteksi dan mengambil pesan rahasia."

"Jalan raya merupakan infrastruktur yang penting karena digunakan untuk berlalu lintas sehari-hari. Kerusakan jalan sering terjadi dan salah satu jenis kerusakan jalan adalah retakan dan jalan yang berlubang. Image Processing merupakan salah satu metode untuk menentukan kerusakan jalan. Sejauh ini, penelitian mengenai deteksi retakan jalan kebanyakan masih menggunakan metode Convolutional Neural Network. Penelitian ini menggunakan You Only Look Once Version 5 dan Faster Object More Object Sebagai model dalam melakukan proses deteksi retakan dan lubang pada jalan dan sebagai salah satu pembanding untuk menentukan model mana yang lebih efisien dan akurat dalam melakukan deteksi terhadap retakan dan lubang tersebut. Dataset yang akan digunakan diambil dari jalan raya yang ada di negara Jepang dan Republik Ceko. Dataset yang digunakan memiliki 1000 Citra dengan ukuran 600x600 piksel. Jalan raya yang dijadikan dataset merupakan jalan dengan jenis material Aspal. Dalam Melakukan testing, dataset public tersebut akan digunakan dan dalam implementasinya, akan digunakan secara realtime dan akan diaplikasikan ke sebuah kamera eksternal webcam dalam mendeteksi retakan dan lubang pada jalan. Hasil yang akan didapatkan adalah berupa prediksi secara realtime berupa bounding box dengan tingkat confidence prediksi dari retakan untuk model YOLOv5 dan prediksi berupa lingkaran kecil dengan tingkat confidence prediksi retakan untuk model FOMO. Nilai perbandingan akurasi model YOLOv5 dan FOMO adalah 0.260 : 0.685 dengan deteksi berjalan dan 0.127 : 0.733 untuk deteksi menggunakan mobil. Sedangkan perbandingan nilai F1 score untuk adalah 0.41 : 0.813 untuk deteksi dengan berjalan dan 0.215 : 0.845 dengan deteksi menggunakan mobil.

---

Road is an important infrastructure because it’s used for daily traffic. Road Damage is usually happened on usual road, and one types of road damage is road crack and potholes. Image processing is one method that is used to determine a damaged road. So far, study about detection of crack and potholes used Convolutional Neural Network as their method. This research uses You Only Look Once Version 5 and Faster Object More Object as a method and models on the detection process of Road Crack and Potholes and as a comparison to determine which method and model is more efficient and accurate on detecting crack and potholes. Dataset that are used are taken from road on Japan and Republic of Czech. Dataset that are used consists of 1000 Images with the size of 600x600 pixel. Each picture contains crack, Potholes and road without crack and pothole. The road images that are taken are road with the material type of Asphalt. Testing will be done using the public dataset and, on the implementation, it will use external camera webcam on detecting potholes and crack on road real time. The results on Realtime detection are bounding box that are generated along with the prediction confidence of road crack on YOLOv5 model and small circle that are generated along with the prediction confidence of road crack on FOMO model. The comparison value of the accuracy of the YOLOv5 and FOMO models is 0.260 : 0.685 with walking detection and 0.127 : 0.733 for detection using a car. While the comparison of the F1 score for is 0.41 : 0.813 for detection by walking and 0.215: 0.845 for detection by car."

"Algoritma Transformasi Fourier Cepat (TFG) merupakan salah satu algoritma yang menerapkan metoda paralel untuk mencari Transformasi Fourier Diskrit (TFD). TFD dari sebuah vektor x berdimensi n dengan metoda sekuensial dapat dihitung dalam 0{n^) tetapi dengan algoritma TFC dapat diturunkan menjadi 0(log n). Dalam tugas akhir ini akan menjelaskan Algxiritma Transformasi Fourier Cepat dalam perkalian polinomial, yang masing-masing berderajat n-1 dan m-1. Kesimpulan yang diperoleh dari penjelasan tersebut adalah jumlah operasi untuk mencari perkalian polinomial dengan algoritma TFC sebesar 0{{n+m)\og{n+m)) dibandingkan dengan sekuensial sebesar 0{nm) namun waktu pelaksanaannya sama."

"Dibahas algoritma paralel Prefix Sums pada model komputer SIMD dengan model EREW SM SIMD dan model keterhubungan elemen prosesor berbentuk: Khusus, Unshuffle, Pohon dan Mesh dimensi 2. Kompleksitas waktu dari algoritma paralel Prefix Sums adalah:O(log n) pada model EREW SM SIMD,O(log n) pada keterhubungan Khusus,O(log n) pada keterhubungan Unshuffle,O(log n) I pada keterhubungan Pohon, dan0(n112) I pada keterhubungan Mesh dimensi 2.Algoritma paralel Prefix Sums mi dimanfaatkan dalam optimisasi masalah Knapsack."