Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
ABSTRAK
Studi literatur yang dilakukan pada Tesis ini adalah untuk merancang, menguji, dan menganalisa algoritma identifikasi manusia berdasarkan analisa gait menggunakan deterministic learning. Pelatihan dan pengujian pada algoritma akan dilakukan dengan menggunakan basis data CASIA. Basis data tersebut merupakan basis data gambar dan video yang berisi beberapa orang yang berjalan. Variasi kondisi objek berjalan akan menjadi variable yang diukur keberhasilanya. Hasil literatur pada tesis ini menunjukan bahwa pengenalan identitas manusia akan dapat dilakukan dengan baik. Tujuan pengidentifikasian manusia ini akan digunakan dalam sistem keamanan yang dapat dengan aktif mengidentifikasi siapapun yang dilihat kamera. Dengan metode deterministic learning identifikasi manusia dapat dilakukan hingga mencapai 91,25% dengan pengujian menggunakan cross validation.

---

ABSTRACT
Literature study has done on this tesis to design, test, and analyze human identification algorithm based on gait analysis using deterministic learning. Algorithm will be trained and tested using database CASIA. The database is a database of images and videos that contains some people walking. Variations walking object conditions will be variable being measured its successfulness. Results of the literatur on this tesis showed that the intification of human identity can be done well. Human identification purposes will be used in a security system that can actively identify anyone who visits the camera. Deterministic learning method can identified human with accuration up to 91.25% and tested by cross validation method.

Abstrak :
Sistem pengenalan gerakan manusia penting bagi manusia karena dapat membantu dan mempermudah pekerjaan manusia dalam berbagai hal. Algoritma Artificial Neural Network (ANN) dan Support Vector Mechine (SVM) digunakan untuk mampu mengenali gerakan manusia. Dengan algoritma tersebut, telah dibuat sistem yang mampu mengenali gerakan manusia. Sistem secara garis besar terdiri dari perangkat pada pengguna dan server. Perangkat pada pengguna ditunjukan untuk mengirimkan data ke server. Sedangkan server akan melakukan komputasi dengan data yang diberikan. Jembatan komunikasi antara perangkat pengguna dan server akan menggunakan XBee. Untuk sensor, digunakan sensor Inertial Measurement Unit. Dari hasil pengujian, sistem dengan ANN memiliki tingkat akurasi sebesar 95.78%, sistem dengan SVM memiliki tingkat akurasi sebesar 98.39%, sedangkan sistem gabungan memiliki akurasi sebesar 100%. ......Human motion recognition is essential because it can help people in doing many things. Artificial Neural Network (ANN) and Support Vector Mechine (SVM) algorithm is used in the system to recognize human motion. The system consists of user device and server. Devices on user are intended for sending user data to the server. On the other hand, server will compute the data which were sent. Comunication between user device and server was conducted by using Xbee module. For the sensor, Inertial Measurement Unit sensor was used to recognize human motion. From the result, system with ANN resulted in 95.78% recognition rate, system with SVM give 98.39% and system with combined algorithm give 100% recognition rate.