Hasil Pencarian  ::  Simpan CSV :: Kembali

"Pengenalan wajah adalah permasalahan fundamental di computer vision. Salah satu solusi permasalahan ini adalah pembelajaran metrik, yang dapat dilakukan dengan metode deterministik atau metode probabilistik. Penelitian ini bertujuan untuk menggabungkan keunggulan model deterministik Proxy Anchor dengan model probabilistik Probabilistic Face Embeddings menjadi suatu model usulan ProxyPE. Selain itu, kami juga mengusulkan kerangka alur prapemrosesan citra wajah untuk citra masukan melalui restorasi wajah dengan GFP-GAN. Dataset citra wajah yang digunakan pada penelitian ini adalah dataset Labelled Faces in the Wild. Pengujian pada model ProxyPE menunjukkan hasil evaluasi yang lebih unggul dengan MAP@R sebesar 8.28, dibandingkan dengan model Probabilistic Face Embeddings dengan MAP@R sebesar 4.58, namun belum sebaik model Proxy Anchor dengan dengan MAP@R sebesar 18.75. Selanjutnya, peningkatan kualitas citra melalui restorasi wajah dengan GFP-GAN secara umum meningkatkan kinerja model usulan. Pengenalan wajah pada ProxyPE yang didahului prapemrosesan citra wajah tersebut menunjukkan peningkatan kinerja dengan MAP@R sebesar 8.74. Secara umum, model usulan ProxyPE dapat mengenali wajah dengan lebih baik daripada Probabilistic Face Embeddings dengan dan tanpa GFP-GAN.

---

Face recognition is a fundamental problem in computer vision. One solution to this problem is metric learning, that can be done with deterministic methods or probabilistic methods. This research aims to combine the advantages of the deterministic Proxy Anchor model and the Probabilistic Face Embeddings model, into the proposed ProxyPE model. In addition, we also propose an image preprocessing framework for input images by restoring faces using GFP-GAN. The dataset of face images used in this research is the Labelled Faces in the Wild dataset. Evaluation on the ProxyPE model shows better results with MAP@R of 8.28, compared to the Probabilistic Face Embeddings model’s MAP@R of 4.58, but not as good as the Proxy Anchor model’s MAP@R of 18.75. Furthermore, improving image quality through face restoration with GFP-GAN generally improves our model’s performance. Face recognition on ProxyPE preceded by preprocessing face images results in a performance improvement with MAP@R of 8.74. Overall, the proposed ProxyPE model achieves better performance than Probabilistic Face Embeddings with and without GFP-GAN."

"This paper is devoted to the formulation of a decomposition algorithm using tight wavalet frames, in a multivariate setting....."

"Promoting the image of Maritime Continent of Indonesia can be considered as one of the important aspect from the actualization of Indonesian Archipelagic Outlook (Wawasan Nusantara) or it can be assumed as further development of Wawasan Nusantara...."

"Direktorat Jenderal Bea dan Cukai merupakan suatu instansi yang berada di bawah naungan Departemen Keuangan yang melaksanakan tugas pokok dan fungsi Departemen Keuangan di bidang kepabeanan dan cukai. Berdasarkan Peraturan Menteri Keuangan Nomor : 68/PMK.01/2007 tanggal 27 Juni 2007 tentang Organisasi dan Tata Laksana Instansi Vertikal Direktorat Jenderal Bea dan Cukai, dibentuklah Kantor Pelayanan Utama Bea dan Cukai. Tujuan dibentuknya Kantor Pelayanan Utama Bea dan Cukai atau yang disingkat KPU BC adalah untuk memperbaiki citra dan kinerja Bea dan Cukai.Berkaitan dengan hal di atas maka tujuan dari penelitian ini adalah untuk menggambarkan citra Bea dan Cukai sebelum dan sesudah dibentuknya Kantor Pelayanan Utama Bea dan Cukai.Dalam penelitian ini konsep yang digunakan adalah jenis-jenis citra yang dikemukakan oleh Frank Jefkins yang terdiri dari bayangan (mirror image), citra yang berlaku (current image), citra yang diinginkan (wish image), citra instansi (corporate image), dan citra majemuk (multiple image). Konsep lain yang digunakan adalah konsep citra yang di-down load dari www.pertamina.com dimana citra merupakan akumulasi dari lima citra unsur-unsurnya yaitu citra produk/pelayanan, citra sumber daya manusia, citra budaya, citra sistem, dan citra kinerja.Penelitian ini menggunakan paradigma konstruktivime dengan pendekatan kualitatif. Sedangkan strategi penelitian yang digunakan adalah social construcktivism. Metode pengumpulan data dilakukan dengan teknik wawancara mendalam kepada para stakeholders baik internal maupun eksternal.Berdasarkan analisis data yang telah dilakukan maka terlihat bahwa citra bayangan (mirror image) yang terbentuk terhadap Bea dan Cukai sebelum dibentuknya KPU BC dapat dikatakan negatif dan tidak menguntungkan baik dari segi pelayanan yang diberikan, sumber daya manusia, budaya, sistem, dan kinerja. Namun dengan dibentuknya KPU BC sudah mulai berangsur membaik. Sedangkan citra yang berlaku (current image) yang terbentuk terhadap instansi bea dan cukai sangatlah beragam dan bervariasi baik sesudah maupun sebelum dibentuknya KPU BC baik dari sisi pelayanan, sumber daya manusia, budaya, sistem, dan kinerja. Selain itu citra yang diinginkan (wish image) masih jauh dari harapan dan tidak dapat terpenuhi. Citra perusahaan (corporate image) merupakan akumulasi dari kelima unsur citra tersebut. Dikarenakan citra yang terbentuk sangatlah beragam dan bervariasi antara stakeholders internal maupun eksternal terhadap instansi bea dan cukai baik sebelum maupun sesudah dibentuknya KPU BC maka terbentuklah citra majemuk (multiple image).Kesimpulan dari penelitian ini, dengan dibentuknya KPU BC ternyata belum banyak membawa perubahan citra untuk instansi bea dan cukai. Oleh karena itu selain dilakukan pengawasan yang berkesinambungan maka perlu dibentuk divisi khusus yang menangani masalah kehumasan.Directorate General of Customs and Excise is a unit of Finance Departemen which does main task and function of Finance Departemen specially about customs and excise. Based on The Rule of Finance Ministry Number: 68/PMK.01/2007 date June 27th, 2007 about Organisasi dan Tata Laksana Instansi Vertikal Direktorat Jenderal Bea dan Cukai, Primary Customs Office was established. Primary Customs Office or KPU BC is to improve image and work of Customs and Excise.

This research is to describe the image of Customs and Excise before and after Primary Customs Office was established.

In this research, the concepts which are used are kinds of image which is explained by Frank Jefkin. The images are mirror, current, wish, corporate, and multiple image. The other concept which is used is image concept from www.pertamina.com. Image is the acumulation of five factors of image such as image of product/service, image of human resources, image of corporate culture, image of system, and image of work performance.

This research uses constructism paradigm with qualitative approach. Yet the research strategy is used in this research is social constructivism. The method of data finding was done by in depth interview to several intern and extern stakeholders.

Based on the data analysis, it can be seen that the mirror image of Customs and Excise before Primary Customs Office was established was negative and disadvantage seen from service, human resources, culture, system, and work side. But by Primary Customs Office, the image of Customs and Excise strats better and better. Yet current image of Customs and Excise is vary before and after Primary Customs Office established from service, human resources, culture, system, and work performance side. Beside that, the wish image is far and unfulfilled from the hope of the Directorate General of Customs and Excise. The corporate image is the acumulation of the five factors of image such as image of product/service, image of human resources, image of corporate culture, image of system, and image of work performance. Because the image of Customs and Excise before and after KPU BC which is shaped in the mind of internal and external stakeholdersis so vary so the multiple image has been shaped.

The conclution of the research, KPU BC does not bring the changes of image of Customs and Excise yet. So, beside of watching continously, it is needed to establish a new division which handles public relations problems."

"Peningkatan teknologi di bidang penyimpanan data semakin menambah kemudahan didalam penyimpanan data dalam jumlah yang besar. Bila sebelumnya kesulitan penyimpanan data lebih dikarenakan oieh media penyimpanan yang terbatas, sekarang telah tersedia berbagai jenis media penyimpan yang memberikan kemudahan bagi para penggunanya untuk dapat melakukan penyimpanan data dalam jumlah besar baik secara permanen ataupun sementara. Kemudahan inilah yang membuat berbagai produsen perangkat lunak mulai mengembangkan berbagai jenis data yang menunjang penyimpanan data bergerak dalam berbagai bidang. Namun sejalan dengan perkembangan tersebut ada beberapa hal yang menjadi hambatan didalam pemanfaatan dari penyimpannan data ini. Diantaranya adalah masalah keamanan, pembajakan bahkan pemalsuan data yang dapat dilaksanakan secara mudah dan dalam waktu yang relatif tidak terlalu lama. Hambatan tersebut salah satunya dapat diatasi dengan memanfaatkan teknologi kriptografi atau penyandian data dalam format tertentu yang tidak mudah untuk diubah dan di Baca dengan berbagai perangkat lunak yang banyak beredar dipasaran. Namun jalan keluar tersebut jugs memiliki hambatan dalam pelaksanaannya, mengingat pelaksanaan penyandian data (kriptografi) tersebut dilakukan dengan tujuan agar data tersebut tidak mudah diubah dan didistribusikan, maka pada pendistribusiannya juga perlu menyertakan perangkat lunak yang dapat melakukan pembacaan kembali data tersebut secara akurat. Dengan alasan diatas maka dibuat perangkat lunak yang memilil kemampuan untuk membaca dan menampilkan gambar dengan format penyandian yang sama, mengatur pengolahan kualitas citra, mengubah citra menjadi format standar JPEG dan bmp, dan mencetaknya tapi tapi tetap mengutamakan jumlah atau besar file yang cukup kecil sehingga tidak pedu dilakukan instalasi untuk penggunaannya."

"Dalam ranah pengamanan citra digital, permutasi Josephus telah banyak digunakan dalam kriptografi. Namun, masih belum ada metode yang menggunakan permutasi Josephus secara optimal dalam steganografi. Tidak seperti kriptografi yang biasanya menimbulkan kecurigaan dan penyelidikan sesaat setelah melihat citra tersandikan, steganografi menyembunyikan citra tanpa menarik perhatian pihak lain. Beberapa teknik sudah pernah dibuat, tetapi melibatkan kompleksitas tambahan pada algoritma steganografi. Dalam penelitian ini, diusulkan pendekatan baru dengan memadukan permutasi Josephus, fungsi chaos logistic map, dan penyisipan LSB 3-3-2. Permutasi Josephus ditunjukkan dapat meningkatkan keacakan lokasi distribusi piksel. Fungsi chaos logistic map juga ditunjukkan dapat membangkitkan suatu barisan kunci yang acak dan bersifat chaos. Perbandingan efektivitas penyisipan citra dengan teknik LSB lain juga telah dilakukan, dan menunjukkan bahwa LSB 3-3-2 memiliki payload yang lebih tinggi sambil menjaga kualitas citra. Untuk melawan steganalisis, permutasi Josephus dimodifikasi untuk memiliki langkah yang dinamis. Pendekatan baru ini diharapkan akan membuka peluang penggunaan permutasi Josephus dalam steganografi citra secara lebih luas dan menjadikan citra stego yang dihasilkan lebih efisien dan bermutu.

---

In the realm of digital image security, the Josephus permutation has been widely utilized in cryptography. However, there has yet to be an optimal method for employing the Josephus permutation in steganography. Unlike cryptography, which often raises suspicion and prompts investigation shortly after viewing the encoded image, steganography conceals images without drawing the attention of others. Several techniques have been developed previously, but they involve additional complexities in steganography algorithms. In this research, a new approach is proposed by combining the Josephus permutation, the chaotic logistic map function, and LSB 3-3-2 embedding. The Josephus permutation can enhance the randomness of pixel distribution locations, and the chaotic logistic map function can generate a random and chaotic keystream. A comparative analysis of image embedding effectiveness with other LSB techniques has shown that LSB 3-3-2 offers a higher payload while maintaining image quality. To counter steganalysis, the Josephus permutation has also been modified to have dynamic steps. The aim for this new approach is to open up opportunities for the broader utilization of the Josephus permutation in image steganography, leading to more efficient and high-quality steganographic images."

"Aplikasi computer vision meliputi pendeteksian objek, klasifikasi citra, dan lain-lain. Performa dari aplikasi computer vision ini biasanya kurang baik jika digunakan pada gambar yang kabur. Gambar kabur disebabkan oleh kondisi lingkungan yang melibatkan mikropartikel di udara sehingga menyebabkan penurunan kualitas gambar. Dehazing gambar tunggal diperlukan untuk menjaga kualitas gambar yang baik. Berbagai metode dehazing citra tunggal telah dikembangkan, baik metode berbasis piksel atau deep learning. Berbagai arsitektur deep learning telah dikembangkan untuk mengatasi masalah single image dehazing, salah satunya adalah PDR-Net. Dalam studi ini, penulis mengusulkan modifikasi arsitektur PDR-Net untuk mendapatkan gambar yang direstorasi secara visual sebaik mungkin. Arsitektur Modified PDR-Net (PDR-Net M) yang diusulkan dilatih dengan dua set data, yaitu O-Haze dan Dense-Haze, dan menjalani uji ketahanan menggunakan dataset NH-Haze, SOTS, dan beberapa gambar kabur yang diunduh dari Google Image. Hasil modifikasi PDR-Net menunjukkan hasil terbaik saat restorasi citra citra kabur pada data uji O-Haze dan Dense-Haze, dengan Structural Similarity (SSIM) 0,8042, Peak Signal-to-Noise Ratio (PSNR) 20,65,00perbedaan warna 9,26 , Root Mean Square Error (RMSE) 0.11 dan Naturalness Image Quality Evaluator (NIQE) 3.94. Meskipun pada uji robustness ketiga, PDR Net-Modified mengalami kesulitan dalam restorasi citra karena karakteristik dataset yang sangat berbeda dengan data latih, PDR-Net Modified masih unggul pada uji robustness pertama dan kedua.

---

Computer vision applications include object detection, image classification, and others. The performance of this computer vision application is usually not good when used on blurred images. Blurred images are caused by environmental conditions involving microparticles in the air causing a decrease in image quality. Dehazing a single image is necessary to maintain good image quality. Various methods of single image dehazing have been developed, either pixel-based or deep learning methods. Various deep learning architectures have been developed to overcome the problem of single image dehazing, one of which is PDR-Net. In this study, the authors propose a modification of the PDR-Net architecture to obtain the best possible visually restored image. The proposed Modified PDR-Net (PDR-Net M) architecture was trained with two datasets, namely O-Haze and Dense-Haze, and underwent robustness testing using the NH-Haze dataset, SOTS, and some blurred images downloaded from Google Image. PDR-Net modification results show the best results when restoring blurred images on O-Haze and Dense-Haze test data, with Structural Similarity (SSIM) 0.8042, Peak Signal-to-Noise Ratio (PSNR) 20.65.00 color difference 9.26 , Root Mean Square Error (RMSE) 0.11 and Naturalness Image Quality Evaluator (NIQE) 3.94. Although in the third robustness test, PDR Net-Modified had difficulty in image restoration because the characteristics of the dataset were very different from the training data, PDR-Net Modified was still superior in the first and second robustness tests."

"Masalah yang biasa terjadi dalam pembuatan sistem pengenalan wajah adalah jumlah dimensi yang terlalu besar untuk diproses ke dalam classifier, sehingga biaya komputasi yang dibutuhkanpun akan semakin besar pula. Penelitian berikut mencoba untuk mereduksi dimensi dalam ruang spatial akan tetapi dari hasil reduksi dimensi ini tidak membuat proses ekstraksi fitur kehilangan informasi penting yang mengakibatkan penurunan akurasi pengenalan.Reduksi dimensi dalam ruang spatial ini didapatkan dengan cara membangkitkan sejumlah garis pada data citra secara acak. Ada dua metode dalam membangkitan garis yaitu Fitur Garis Acak (FGA) dan Template Fitur Garis Acak (TFGA). Pada FGA, sejumlah garis dibangkitkan pada seluruh data citra secara acak. Sedangkan TFGA, sejumlah garis dibangkitkan hanya satu kali saja dan himpunan garis ini yang akan digunakan untuk membangkitkan garis pada data citra yang lain. Dari masing-masing garis ini dibangkitkan sejumlah spatial window. Vektor representasi citra didapatkan dari rata-rata intensitas yang terdapat pada spatial window tersebut. Vektor representasi citra ini akan dijadikan fitur untuk classifier. Classifier yang digunakan adalah k-nearest neighborhod dan backpropagation sebagai pembanding.Dari hasil percobaan menggunakan database weizmann, didapatkan bahwa pengenalan akan lebih stabil jika metode untuk membangkitkan garis adalah TFGA. Selain stabil dengan metode TFGA ini akurasi pengenalan lebih baik dibandingkan dengan metode FGA pada jumlah garis yang sama. Pada jumlah garis yang terkecil dengan menggunakan classifier k-nearest neighborhod, rata-rata akurasi pengenalan metode FGA adalah 46.67% sedangkan dengan TFGA akurasi pengenalan adalah 57.14%. Dengan classifier pembanding backpropagation dan menggunakan metode TFGA didapatkan rata-rata akurasi pengenalan 78.29%. Secara umum dari keseluruhan metode semakin bertambah jumlah garis maka semakin meningkat pula tingkat akurasi pengenalan."

"ABSTRAKPenelitian ini bertujuan mendapatkan variasi faktor eksposi optimum untuk pemeriksaan pediatrik pada penggunaan detektor computed radiography. Besaran FOM (figure of merit) digunakan sebagai parameter optimasi kualitas citra yang direpresentasikan oleh nilai SDNR (signal difference to noise ratio) dan dosis yang direpresentasikan oleh nilai ESD (entrance surface dose).  Ketebalan fantom representasi pasien divariasikan pada rentang usia 0-15 tahun untuk anatomi toraks, abdomen dan kepala. Evaluasi citra menggunakan fantom in-house sebagai objek uji dan hasil citra diolah menggunakan perangkat lunak imageJ. Penelitian ini juga mengevaluasi nilai MTF dan konsistensi kontras pada citra sebagai bahan pertimbangan untuk penetuan FOM. Hasil penelitian didapatkan kombinasi nilai kV, mAs, dan filter di setiap rentang usia pediatrik pada nilai FOM maksimum. Untuk anatomi abdomen usia 0-1 tahun nilai optimum dicapai pada  48 kV, 5.6 mAs dan 0.2 mmCu filter; usia 1-5 tahun pada  50 kV, 4.5 mAs dan 0.2 mmCu filter; usia 5-10 tahun pada 53.5 kV, 9 mAs dan 0.2 mmCu filter; serta usia 10-15 tahun pada 60 kV, 7.1 mAs dan 0.2 mmCu  filter. Untuk anatomi toraks usia 0-1 tahun nilai optimum dicapai pada 43 kV, 3.2 mAs dan 0.1 mmCu filter; usia 1-5 tahun pada  43 kV, 4 mAs dan 0.2 mmCu filter; usia 5-10 tahun pada 46 kV, 8 mAs dan 0.2 mmCu filter; serta usia 10-15 tahun pada 50 kV, 8 mAs dan 0.2 mmCu filter. Untuk anatomi kepala usia 0-1 tahun nilai optimum dicapai pada  44 kV, 2 mAs dan 0.1 mmCu filter; usia 1-5 tahun pada  47 kV, 4.5 mAs dan 0.2 mmCu filter; usia 5-10 tahun pada 48 kV, 6.3 mAs dan 0.2 mmCu filter; serta usia 10-15 tahun pada 48 kV, 9 mAs dan 0.2 mmCu filter. ABSTRACTThis study aims to obtain variations of the optimum exposure factors for pediatric examination on the using of computed radiography detectors. The magnitude of FOM (figure of merit) is used as a parameter of image quality optimization represented by the SDNR (signal difference to noise ratio) and the dose represented by the ESD (entrance surface dose). The representation of the phantom thickness of the patients varied in the age range of 0-15 years for the thoracic, abdominal and head anatomy. Image evaluation using in-house phantoms as test objects and image results processed using ImageJ software. This study also evaluates the MTF value and contrast consistency in the image as a consideration for determining FOM. The results showed a combination of kV values, mAs, and filters in each pediatric age range at maximum FOM values. For abdominal anatomy aged 0-1 years the optimum value is achieved at 48 kV, 5.6 mAs and 0.2 mmCu filters; ages 1-5 years at 50 kV, 4.5 mAs and 0.2 mmCu filters; ages 5-10 years at 53.5 kV, 9 mAs and 0.2 mmCu filters; and ages 10-15 years at 60 kV, 7.1 mAs and 0.2 mmCu filters. For the thoracic anatomy of 0-1 years the optimum value is achieved at 43 kV, 3.2 mAs and 0.1 mm Cu filter; ages 1-5 years at 43 kV, 4 mAs and 0.2 mmCu filters; ages 5-10 years at 46 kV, 8 mAs and 0.2 mmCu filters; and ages 10-15 years at 50 kV, 8 mAs and 0.2 mmCu filters. For head anatomy aged 0-1 years the optimum value is achieved at 44 kV, 2 mAs and 0.1 mm Cu filter; ages 1-5 years at 47 kV, 4.5 mAs and 0.2 mm Cu filters; 5-10 years old at 48 kV, 6.3 mAs and 0.2 mmCu filters; and ages 10-15 years at 48 kV, 9 mAs and 0.2 mmCu filters.

"

"Kendaraan roda dua atau yang biasa disebut sebagai motor merupakan kendaraan yang awam ditemukan khususnya di Negara Indonesia. Kendaraan yang sangat mudah untuk digunakan dan terjangkau harganya menjadikannya kendaraan nomor satu untuk digunakan sehari-hari. Banyak regulasi yang telah mengatur tentang keamanan dan kenyamanan untuk berkendara, namun masih banyak pihak yang melanggar hal tersebut. Oleh karena itu diperlukannya sebuah alat bantu yang dapat mendeteksi dan meregulasi pengendara sepeda motor. Menggunakan deep learning, komputer dapat mengelolah citra dengan tingkat akurasi yang tinggi dalam mendeteksi objek maupun klasifikasi objek. Salah satu metode Deep Learning yang digunakan untuk pengelolahan citra dan klasifikasi objek adalah YOLOv5 sebagai model utama. Tujuan dari Skripsi ini adalah untuk mengimplementasikan sistem detektor pengendara motor tanpa helm berbasi pengolahan citra dengan metode YOLOv5 dan melihat tingkat akurasi yang didapatkan. Hasil percobaan pada penelitian ini membuktikan bahwa sistem mampu melakukan deteksi dan kalkulasi dengan akurasi yang cukup tinggi yaitu sekitar 40 %. Hal ini sangat dipengaruhi dengan adanya jenis metode penentuan ID yang digunakan.

---

Two-wheeled vehicles or commonly referred to as motorbikes are vehicles that are commonly found, especially in Indonesia. A vehicle that is very easy to use and affordable, making it the number one vehicle for everyday use. Many regulations have regulated the safety and comfort of driving, but there are still many parties who violate this. Therefore we need a tool that can detect and regulate motorbike riders. Using deep learning, computers can manage images with a high degree of accuracy in detecting and classifying objects. One of the Deep Learning methods used for image processing and object classification is the YOLOv5. The purpose of this thesis is to implement an image processing-based helmetless motorcycle detector system using the YOLOv5 method and see the level of accuracy obtained. The experimental results in this study prove that the system is capable of performing detection and calculations with a fairly high accuracy of around 40%. This is strongly influenced by the type of ID determination method used."