Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Perkembangan teknologi pemrosesan citra digital berjalan dengan pesat seiring dengan banyaknya pemanfaatan teknologi tersebut di berbagai bidang kehidupan manusia. Bidang kehidupan manusia yang memanfaatkan teknologi pemrosesan citra digital antara lain adalah: interasi kumputer-manusia, kesehatan, keamanan dan keselamatan, transportasi, robotika. Salah satu penerapan teknologi pemrosesan citra digital adalah pengenalan ekspresi wajah atau Facial Expression Recognition (FER). Wajah manusia dapat menampilkan berbagai macam ekspresi yang berbeda seperti ekspresi senang, sedih, marah, takut, terkejut, jijik dan sebagainya. Perbedaan ekspresi wajah ini menjadi tantangan bagi komputer untuk dapat mengenali dan membedakannya secara akurat. Salah satu teknologi yang digunakan pada aplikasi FER adalah CNN (Convolutional Neural Networks). Penelitian ini menggunakan model CNN AlexNet yang telah dilakukan perbaikan parameter (fine-tuning) untuk diaplikasikan pada pengenalan ekspresi wajah pada citra digital. Fine-Tuning yang dilakukan adalah dengan mengubah beberapa parameter dari model AlexNet. Parameter yang diubah antara lain: normalisasi input (dari normalisasi cross channel menjadi normalisasi batch), fungsi aktivasi dari ReLU (Rectified Linear Unit) menjadi Leaky ReLU, nilai dua buah dropout yang masing-masing bernilai 50% diubah menjadi 30% dan 20%. Program pengenalan ekspresi wajah yang dibuat kemudian diaplikasikan tearhadap dua buah dataset FER yaitu dataset CK+ (Extended Cohn-Kanade) dan KDEF (The Karolinska Directed Emotional Faces). Tahapan pre-processing yang dilakukan adalah mengubah tingkat kekontrasan citra dataset menggunakan metode CLAHE (Contrast Limited Adaptive Histogram Equalization). Hasil pengujian menunjukkan bahwa metode yang menggunaan prosedur CLAHE serta model fine-tuning AlexNet miliki kinerja yang lebih baik dari pada model AlexNet standard. Penggunaan metode ini pada dataset CK+ meningkatkan akurasi rata-rata sebesar 19,01% dan ketika metode ini digunakan pada dataset KDEF mampu meningkatkan akurasi rata-rata sebesar 14,82% dibandingkan pada saat menggunakan model konvensional AlexNet serta tidak melakukan prosedur CLAHE pada citra dataset. Dari hasil pengujian juga diketahui prosedur CLAHE dan fine-tuning AlexNet mampu melakukan klasifikasi ekspresi wajah secara akurat pada citra yang diuji. Sedangkan model konvensional AlexNet dalam beberapa percobaan gagal mengklasifikasikan ekspresi wajah secara tepat pada citra yang diuji. ......The development of digital image processing technology is progressing rapidly along with the many uses of this technology in various fields of human life. Fields of human life that utilize digital image processing technology include robotics, human-computer interaction, healthcare, security and safety, and transportation. One application of digital image processing technology is facial expression recognition (FER). The human face can display a variety of different expressions such as expressions of happiness, sadness, anger, fear, surprise, disgust, and so on. There is a challenge for the computer to recognize the difference in facial expressions. One of the technologies used in facial expression recognition applications in digital images is artificial intelligence technology especially CNN (Convolutional Neural Networks). In this study, AlexNet, a CNN model was fine-tuned and combined with CLAHE (Contrast Limited Adaptive Histogram Equalization) procedure toward images dataset for facial expression recognition applications. Fine-Tuning AlexNet model were made by changing some of AlexNet's standard parameters. These parameters include: input initialization (from local normalization to batch normalization), activation function (from ReLU to Leaky ReLU), and dropout value changed from 50%; 50% to 30% and 20%. The facial expression recognition program created was then implemented in two FER (Facial Expression Recognition) datasets, namely CK+ and KDEF. After testing, the results showed that the CLAHE and Fine-Tuning AlexNet model had better performance than the basic AlexNet model. When applying the CK+ dataset that had CLAHE procedure with the Fine-Tuning AlexNet model increases the average of accuracy up to 19,01%, when applying to the KDEF dataset, this method increases accuracy up to 14,82%. From the test results it is known that the CLAHE and the Fine-Tuning AlexNet model model gives better results than the original AlexNet model. Fine-Tuning of the AlexNet model is able to give accurate classification of facial expressions in the tested images. While the original AlexNet model in several experiments failed to accurately clasify facial expressions in the tested images.

Abstrak :
Timbulan sampah DKI Jakarta yang terus meningkat dan belum dapat tertangani dengan baik memaksa tiap sumber sampah untuk melakukan pengelolaan sendiri. Pengelolaan sampah di sumber bertujuan untuk mengurangi sampah yang diangkut dan dibuang ke TPA. Salah satu sumber sampah yang paling dominan dalam menyumbang sampah kota adalah pemukiman. Namun hingga saat ini masih banyak kawasan pemukiman yang belum melakukan pengelolaan sampah dengan baik. Hal ini dapat disebabkan oleh beberapa faktor, salah satunya adalah kondisi dari pemukiman tersebut. Rumah Susun Pinus Elok merupakan rumah susun yang ditujukan bagi masyarakat relokasi dengan tingkat ekonomi menengah kebawah. Dengan segala keterbatasan fasilitas dan pelayanan persampahan menyebabkan masalah sampah yang cukup serius di rumah susun ini. Penelitian ini bertujuan untuk mengetahui jumlah timbulan dan komposisi sampah sebagai dasar alternatif perencanaan sistem pengelolaan sampah yang dapat diterapkan di rumah susun ini. Dari hasil penelitian diperoleh bahwa rata-rata berat timbulan sampah di Rumah Susun Pinus Elok sebesar 0,229 kg/orang/hari dengan volume 1,829 L/orang/hari. Adapun komposisi sampah yang dihasilkan terdiri dari organik (65,03%), lain-lain (14,03%), plastik (12,56%), kertas (6,06%), kaca (1,37%), dan logam (0,95%). Potensi reduksi sampah di Rumah Susun Pinus Elok berkisar antara 60% - 62%. Rekomendasi sistem pengelolaan sampah yang diajukan dititikberatkan pada aspek teknis operasional. Aspek teknis operasional yang direncanakan meliputi pewadahan, pengumpulan, pemindahan, pengolahan dan pengangkutan. Konsep perencanaan aspek teknis operasional rumah susun didukung oleh aspek peraturan, peran serta masyarakat, pembiayaan, dan lembaga.

---

Increasing of solid waste generation in DKI Jakarta encourages the waste sources to manage their own garbage. Waste management in source will reduce the amount of solid waste disposed to landfill site. One of the most dominant source of waste in the municipal solid waste is settlement area. However, there are many neighborhoods that have not done its solid waste management. This can be caused by several factors, one of them is a condition of that settlement. Pinus Elok is a flats that intended for the relocation of the middle-low economy level. With all the limitations of facilities and waste service, it causes a serious waste problem in this flats. This study aims to determine the solid waste generation and composition as a basis for planning alternative waste management system that can be applied in this flats. The result showed that the generation of solid waste in Pinus Elok Flats is 0,229 kg/person/day with a volume of 1,829 L/person/day. The composition of waste generated consists of organic (65,03%), others (14,03%), plastics (12,56%), paper (6,06%), glass (1,37%), and metals (0,95%). Potential waste reduction in Pinus Elok Flats is in a range of 60%?62%. Recommendations of solid waste management system focused on the technical aspects of the operation. Technical aspects of the operation include storage, collection, processing, and transportation. The concept of the technical aspects of operation supported by regulatory aspects, community participation, financial, and institutions.

Abstrak :
Polipropilena adalah polimer yang rentan terdegradasi. Pengaruh pemakaian dan penambahan kalsium karbonat pada limbah PP telah diteliti. Dari hasil penelitian dapat diketahui bahwa pemakaian polipropilena menyebabkan degradasi yang terbukti dengan densitas, modulus, dan kekuatan tarik limbah polipropilena (rPP) lebih tinggi dari resinnya (vPP). Akan tetapi degradasi tersebut tidak menimbulkan gugus fungsi baru pada rantai molekulnya. Penambahan kalsium karbonat pada limbah polipropilena akan meningkatkan modulusnya dan menurunkan kekuatan tarik dan elongasinya. Modulus komposit limbah polipropilena dan kalsium karbonat (rPP-CaCO3) menurun pada konsentrasi kalsium karbonat yang tinggi dan ukuran karbonat yang lebih besar. Keberhasilan proses pencampuran, dispersi dan distribusi partikel, memegang peranan vital dalam terciptanya komposit dengan karakteristik yang optimum. Kegagalan beberapa sampel pengujian disebabkan karena terjadinya aglomerasi partikel kalsium karbonat dalam matriks polimer.

---

Polypropylene is a degradation sensitive polymer. Effects of usage and addition of calcium carbonat to recycled polypropylnene were investigated. The investigation has found that usage of polypropylene cause a degradation on its molecule proved by increase in its density, modulus and tensile strength when recycled. The degradation does not occur new molecular bond or it doesn?nt change the molecular structure. The additon of calcium carbonate particles in recycled polypropylene increse its modulus but decrease its tensile strength and elongation. Modulus of the composite (rPP-CaCO3) decrese when the consentration of calcium carbonate added decrease and when the size of calcium carbonate particle increase. A good mixing process, good of dispersion and distribution of the particles, play an important role to make a composite with good carachteristics. The failure of some composite specimen are due to the aglomeration of calcium carbonate in the recycled polypropylene matrix.