Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Semua image yang diambil dengan menggunakan kamera mengalami distorsi. Distorsi tersebut dapat disebabkan oleh lensa, pembuatan yang kurang sempurna, posisi dari sensor kamera bahkan oleh suhu maupun getaran [1]. Oleh karena itu untuk mendapatkan informasi image yang diperoleh dari scene seperti bentuk dari objek, jarak antara mereka, dan lainnya, kamera harus dikalibrasi. Pada skripsi ini dilakukan simulasi dan analisa unjuk kerja dari camera calibration dengan menggunakan model extended Direct Linear Trarsformation. Dengan menggunakan model ini akan didapatkan parameter-parameter dari kamera sehingga memungkinkan didapatkan informasi image yang diperoleh dari scene. Dalam simulasi, digunakan masing-masing 20 image checkerboard yang diperoleh dengan menggunakan kamera yang bergerak serta kamera yang diam. Selain mendapatkan nilai parameter-parameter dari kamera juga dilakukan perbandingkan nilai paramerer yang didapat dan pengujian kestabilan model yang digunakan. Dari hasil simulasi dan analisa didapatkan bahwa nilai focal length pada camera calibration dengan menggunakan kamera bergerak memiliki standar deviasi terhadap nilai rata-rata focal length yang lebih kecil jika dibandingkan dengan camera calibrafion dengan menggunakan kamera yang diam, dengan nilai standar deviasi terkecil adalah 1,353 pada fel = 2257,416 pixel, dan fc2 = 1,680 pada fc2 = 2210,693 pixel. Nilai kesalahan pixel sumbu-x terbesar berada pada pembacaan 16 image bernilai 5.828 pixel dan pada sumbu-y berada pada pembacaan 19 image bernilai 4,482 pixel. Keduanya terdapat pada proses camera calibration dengan menggunakan kamera diam. Sedangkan untuk kestabilan model, camera calibration dengan menggunakan kamera diam mempunyai nilai kestabilan paramefer yang lebih baik dibandingkan dengan kamera bergerak. Nilai standar deviasi setiap parameter kamera diam yang lebih baik dari kamera bergerak adalah fc1, fc2, vo dengan nilai masing-masing adalah 153.300, 148.597, 158,646.

Abstrak :
Laporan tugas akhir ini membahas, Robot Pengamat Ruangan dengan menggunakan kamera wireless berbasis mikrokontroller ATMEGA 8535, yang dikendalikan dari jarak jauh dengan menggunakan wireless RF YS-1020UA. Robot ini menggunakan motor servo untuk menggerakkan roda dari robot tersebut. Dan robot ini dapat menangkap gambar dengan jelas, karena robot ini dihubungkan ke laptop yang telah dilengkapi dengan tv tunner, sehingga gambar ataupun suara dapat tertangkap jelas ......This finally duty report, discuss Camera-based Surveyllance Robot with using camera wireless basis microcontroller ATMEGA 8535, which reins from long distance, with using wireless RF YS-1020UA. This robot using servo motor for wheel movement from that robot. And this robot can be catch clear picture, because this robot connecting to laptop, where the laptop was completed with tv tunner. So that picture or audio can be clear catch

Abstrak :
Distribusi suatu spesies sangat diperlukan untuk memandu aktivitas perlindungannya di alam. Minimnya informasi tentang distribusi trenggiling jawa membuat strategi perlindungan spesies ini di alam sulit untuk dilakukan. Penelitian dilakukan di Stasiun Penelitian Way Canguk, Taman Nasional Bukit Barisan Selatan pada bulan Januari - Maret 2018. Tujuan penelitian ini yaitu untuk membuat peta prediksi distribusi dan mengestimasi variabel lingkungan yang paling memengaruhi kehadiran trenggiling jawa di lokasi studi. Sebanyak 14 titik koordinat camera trap digunakan sebagai data kehadiran, bersama dengan sembilan jenis variabel lingkungan yang digunakan yaitu ketinggian, kemiringan, understorey, tutupan tajuk, jarak dari jalan, jarak dari sungai, jarak dari desa, sumber makanan, serta jarak dari gangguan. Hasil permodelan Maxent menunjukkan bahwa hasil permodelan sangat baik dengan nilai AUC 0.909. Prediksi probabilitas distribusi trenggiling jawa tertinggi terdapat di daerah Resort Pemerihan dan Resort Way Haru, sedangkan variabel lingkungan yang paling berpengaruh terhadap kehadiran trenggiling jawa yaitu jarak dari desa, tutupan tajuk, dan jarak dari gangguan dengan nilai persentase kontribusi secara berturut-turut 47.7, 25.8, dan 15.8. Peta prediksi distribusi serta perkiraan tipe habitat yang disukai oleh trenggiling jawa yang dihasilkan dari penelitian ini dapat memberikan masukan bagi pihak taman nasional untuk memprioritaskan area perlindungan trenggiling jawa dari bahaya perburuan yang semakin meningkat. ......Distribution of a species can help to guide protection activity in their natural habitat, and the lack of information thereof make protection strategy of this species difficult. The research was conducted in Way Canguk Research Station, Bukit Barisan Selatan National Park on January ndash March 2018. The purpose of this research is to make a distribution prediction map of sunda pangolin and estimate environment variables that most influence their probability of distribution. 14 points of camera trap coordinates are used for presence data with 9 types of environment variables such as elevation, slope, understorey, canopy cover, distance of road, distance of river, distance of village, food source, and distance from threat. The result of maxent showed is very good with AUC value 0.909. The highest probability of sunda pangolin distributions are in the Pemerihan Resort and Way Haru Resort area, while the dominant environment variables are distance of village, canopy cover, and distance of threat with contribution percentage of 47.7, 25.8, and 15.8. Distribution prediction map and type of habitat prefered identified from this study, can provide input to national park to prioritize protection area for sunda pangolin from increased poaching.

Abstrak :
Inspeksi dan Non-Destructive Evaluation (NDE) untuk pipa minyak dan gas adalah operasi yang signifikan untuk mendeteksi dan memprediksi kejadian kegagalan di sepanjang pipa. Pipa transmisi - pipa jarak jauh yang sebagian besar datar dan mempunyai diameter konstan - menjadi objek penelitian ini. Kompleksitas operasi dan pemeliharaan Pipeline Inspection Gauges (PIG) menyebabkan peningkatan biaya inspeksi pipa. Hal ini mendorong pertumbuhan di sektor robotik. Namun demikian, banyak dari platform robotik yang dikembangkan ini terbatas dalam segi otonomi dan akurasi pengukuran. Oleh karena itu, untuk mengatasi masalah tersebut, pengembangan In-Pipe Inspection Robot (IPIR) bernama ORION dibentuk. Sistem ini mengajukan teknik inspeksi baru yaitu dengan menggunakan depth sensory camera, yang dapat mengambil pengukuran 3D dari kerusakan pipa untuk memprediksi tingkat keparahannya. Kemampuan pengukuran ini belum dapat dicapai dari platform robotik prekursor. Oleh karena itu, ORION merangkum kedua keunggulan dari akurasi PIG dan memiliki kesederhanaan serta kemampuan beradaptasi dari IPIR. Dari segi sistem, ORION adalah robot yang sepenuhnya otonom dengan menerapkan algoritme Machine Learning, yaitu Convolutional Neural Network (CNN) untuk mendeteksi cacat pipa. Makalah ini bertujuan untuk membahas pertimbangan desain, strategi Additive-Manufacturing (AM), dan solusi sistem kontrol untuk ORION. ......Inspection and Non-Destructive Evaluation (NDE) for oil and gas pipelines is a significant operation to detect and predict the failure instances along the pipe. Main transmission pipelines – a long-distance pipe that is mostly leveled and has a constant diameter – becomes the object of this research. The operation and maintenance complexity of Pipeline Inspection Gauges (PIGs) leads to an increase in cost. This has prompted a large growth in the sector of robotic devices. Nevertheless, many of these robotic platform developed fall short of autonomy and measurement accuracy. Therefore, to address these circumstances, the development of an In-Pipe Inspection Robot (IPIR) named ORION was established. The system utilizes a novel inspection technique using a depth sensory camera, which can extract precise 3D measurements of pipe defects to predict their severity. This measurement capability cannot be achieved from the precursory robotic platforms. Consequentially, ORION encapsulates both merits from the accuracy of PIGs and possesses the simplicity also the adaptability of IPIR. System-wise, ORION is a fully autonomous robot that implements a Machine Learning algorithm, namely Convolutional Neural Network (CNN) for defect detection. This paper aims to cover the design considerations, Additive-Manufacturing (AM) strategy, and control system solution for ORION.

Abstrak :
Katingan Mentaya Project (KMP) merupakan habitat bagi beragam flora dan fauna namun beberapa spesies sudah dinyatakan dengan status konservasi terancam punah. Tujuan penelitian ini adalah menginventarisasi keanekaragaman dan menganalisis kelimpahan jenis mamalia berdasarkan tingkat perjumpaan yang terdeteksi camera trap di DAS Mentaya, KMP. Hasil dari 171 unit camera trap dengan trap night effective 14.033 hari di DAS Mentaya ditemukan sebanyak 29 spesies, 18 famili dan 7 ordo dari Kelas Mamalia. Nilai indeks keanekaragaman mamalia (H’) dihitung menggunakan perhitungan Shannon-Weiner dengan nilai sebesar 2,60 atau memiliki keanekaragaman sedang. Satwa dengan tingkat perjumpaan tertinggi adalah bajing kelapa (Callosciurus notatus) dengan total 2,32 foto/100 hari trap night effective (TN), kemudian diikuti oleh pelanduk kanchil (Tragulus kanchil) dengan 1,59 foto/100 hari TN, dan monyet beruk (Macaca nemestrina) dengan 1,19 foto/100 hari TN. Pada penelitian ini nilai kelimpahan diasumsikan sebanding dengan tingkat perjumpaan. Satwa dengan nilai kelimpahan jenis tertinggi adalah bajing kelapa, diikuti oleh pelanduk kanchil, dan monyet beruk. ......Katingan Mentaya Project (KMP) is a habitat for variety of flora and fauna but several species have been declared endangered. The purpose of this study was to inventory the diversity and analyze the abundance of mammals based on encounter rates detected by camera traps in the Mentaya Watershed, KMP. The results of 171 camera traps with 14.033 days of effective trap night found 29 species, 18 families and 7 orders from the Mammal Class. The index value of mammalian diversity (H') was calculated using the Shannon-Weiner calculation with a value of 2.60 or had moderate diversity. The animal with the highest encounter rate was the plantain squirrel (Callosciurus notatus) with a total of 2.32 photos/100 days trap night effective (TN), followed by the lesser mouse deer (Tragulus kanchil) with 1.59 photos/100 days TN, and the pig-tailed macaque (Macaca nemestrina) at 1.19 photos/100 days TN. In this study, the abundance value is assumed to be proportional to the encounter rate. The animal with the highest species abundance value was the plantain squirrel, followed by the lesser mouse deer, and the pig-tailed macaque.

Abstrak :
Beberapa jenis instrumen curah hujan yang banyak dipakai seperti rain gauge, citra satelit, dan radar cuaca masih memiliki kekurangan terutama pada resolusi spasial. Instrumen curah hujan alternatif yang banyak dikembangkan adalah dengan menggunakan model Deep Learning dengan masukan citra tangkapan kamera pengawas. Beberapa studi telah berhasil membangun model untuk mendapatkan nilai curah hujan dengan berbagai performa. Namun salah satu kendala yang ditemui dalam pembangunan sistem estimasi curah hujan adalah latar belakang rintik hujan pada citra kamera pengawas. Objek latar belakang yang lebih mengisi citra dibandingkan rintik hujan membuat model dengan banyak bentuk latar belakang tidak dapat mencapai performa yang diinginkan. Penelitian ini menganalisa pengaruh bentuk latar belakang citra kamera pengawas terhadap performa dari sistem estimasi curah hujan. Sistem estimasi curah hujan dibuat dengan model berarsitektur RFCNN (Rainfall Convolutional Neural Network). Objek latar belakang citra yang dipilih pada penelitian ini terdiri dari gedung, jalan beraspal, atap, dan kombinasi antara keduanya. Data curah hujan referensi didapat dari perangkat tipping bucket dengan resolusi 0,2 mm/menit. Hasil eksperimen menunjukan bahwa gedung menjadi bentuk objek latar belakang yang menghasilkan performa yang terbaik dengan nilai MAE sebesar 0.0823 dan MSE sebesar 0.0164, dengan catatan citra yang digunakan adalah citra grayscale. Hasil dari pengujian model menunjukan performa dipengaruhi oleh eksistensi benda bergerak pada latar belakang rintik hujan. ......Several types of rainfall measurement instrumens, such as Rain Gauge, satellite imagery, and weather radar, still have limitations, especially in spatial resolution. An alternative rainfall measurement instrumen that has been widely developed is using Deep Learning models with input from surveillance camera images. Some studies have successfully built models to estimate rainfall values with various performances. However, one of the challenges encountered in the development of rainfall estimation systems is the background of surveillance camera images. Objects in the background that occupy a significant portion of the image compared to raindrops make models with certain background shapes unable to achieve the desired performance.This research analyzes the influence of background image shapes from surveillance camera images on the performance of a rainfall estimation system. The estimation system is built using the RFCNN (Rainfall Convolutional Neural Network) architecture. The selected background objects in this study include buildings, paved roads, roofs, and combinations of both. The reference of rainfall data are obtained from a Tipping Bucket device with a resolution of 0.2 mm/minute. The experimental results show that buildings are the background object shape that yields the best performance, with an MAE (Mean Absolute Error) value of 0.0823 and an MSE (Mean Squared Error) value of 0.0164, given that grayscale images are used. The model testing results indicate that performance is influenced by the presence of moving objects in the raindrop background.

Abstrak :
Penelitian ini menguji self expressive brand terhadap brand love pada merek Nikon di Jakarta. Dimensi self expressive brand yang digunakan adalah inner self expression dan social self expression. Penelitian ini menggunakan pendekatan kuantitatif, dan data penelitian dikumpulkan melalui survei dengan menyebarkan kuesioner kepada 100 orang responden berusia di atas 20 tahun dan berdomisili di Jakarta yang pernah membeli dan menggunakan kamera merek Nikon. Teknik analisis yang digunakan adalah regresi linear sederhana. Hasil penelitian menunjukkan bahwa self expressive brand dari kamera merek Nikon memiliki pengaruh yang signifikan terhadap brand love kamera merek Nikon.

---

This study examines the effect of self expressive brand towards brand love on Nikon camera users in Jakarta. The dimensions of self expressive brand used are inner self expression and social self expression. This study uses a quantitative approach, and research data is collected through surveys by distributing questionnaires to 100 respondents aged over 20 years, lived in Jakarta, and had bought and used Nikon camera. The analysis technique used is simple linear regression. The results showed that self expressive brand Nikon camera had a significant influence towards brand love on Nikon camera users.