Hasil Pencarian  ::  Simpan CSV :: Kembali

"Kanker liver pada citra hasil CT-Scan memiliki bentuk, lokasi serta tekstur yang berbeda – beda disetiap citra. Perbedaan contrast antara abnormalitas dan liver sehat sering kali tidak dapat terlihat jelas, sehingga menyulitkan dalam evaluasi. Abnormalitas liver antara lain pembengkakan, fibrosis, kehadiran tumor jinak atau tumor ganas. Perbedaan contrast rendah dengan ukuran lebar dalam citra mudah dikenali sebagai abnormalitas, namun untuk massa kecil dan contrast rendah sulit dievaluasi. Dalam penelitian ini telah dilakukan CAD dengan tujuan untuk membantu evaluasi abnormalitas liver utamanya abnormalitas dengan ukuran kecil. Metode penelitian yang digunakan dalam penelitian ini adalah metode segmentasi berdasarkan active contour. Data yang digunakan merupakan data sekunder citra abdomen yang dihasilkan dari modalitas Computed Tomography Scanner (CT-Scan) RSUD Cibinong Bogor. Teknik pengumpulan data yang digunakan dengan melakukan observasi pada data pasien citra liver abnormal dari pasien-pasien kanker liver dan citra liver normal dari pasien-pasien penyakit lainnya sesuai dengan diagnosis dokter. Sedangkan untuk olah data digunakan proses ekstraksi fitur menggunakan analisis tekstur Gray-Level Co-occurrence Matrix (GLCM) dengan machine learning berupa Artificial Neural Network (ANN) untuk deteksi abnormalitas citra. Hasil penelitian menyatakan bahwa ANN dapat digunakan untuk mengelompokkan citra kedalam grup normal dan abnormal dengan akurasi sebesar 89% sensitivitas 86%, spesifisitas 92%, presisi 91%, error keseluruhan 10%.

---

Liver abnormalities in CT image commonly have different shape, location and texture. The contrast between abnormalities and healthy liver often cannot be clearly seen, making it difficult to evaluate. Liver abnormalities include swelling, fibrosis, the presence of benign tumors or malignant tumors. Low contrast differences with width measurements in images are easily recognized as abnormalities, but for small masses and low contrast it is difficult to evaluate. In this study CAD was carried out with the aim to help evaluate liver abnormalities, especially small size abnormalities. The segmentation method based on active contour is the method was employed in this research. The data which used was secondary data resulting abdomen image  from modalities of Computed Tomography Scanner (CT-Scan) of Cibinong Hospital, Bogor. The data collection techniques was used in this research were data abnormal liver image from patients liver cancer and normal liver image from patients other diseases according to the doctor's diagnosis. Meanwhile, the technique used to processing data was extraction feature process with analysis Gray-Level Co-occurrence Matrix (GLCM) texture and machine learning of Artificial Neural Network (ANN) for detection abnormality image. Results of this research stated that ANN can used for classify image to normal and abnormal group with accuracy of 89%, sensitivity of 86%, specificity of 92%, precision of 91%, and error of 10%."

"Sampah elektronik atau E-Waste sendiri didefinisikan sebagai EEE yang dibuang oleh pemiliknya sebagai limbah tanpa tujuan untuk digunakan kembali (Step Initiative, 2014). Dalam pengolahan sampah elektronik, menurut Meskers (2009) terdapat tiga tahap dalam proses daur ulang sampah elektronik yaitu collection, preprocessing, dan processing. Eddy Current Separator (ECS) merupakan alat separasi metal non-ferrous dari sampah elektronik padat. Bagian utama dari ECS adalah drum magnetik yang memiliki susunan kutub magnet yang berbeda yang mana akan menghasilkan Eddy Current Force (EFC) (Jujun, 2014). Hubungan antara variabel p (bentuk cacahan) dengan jarak defleksi juga secara langsung diujikan oleh Zhang (1998). Dengan cacahan PCB dan melakukan pendekatan berdasarkan hasil cacahan, Zhang mengidentifikasi empat bentuk cacahan yaitu bentuk strip-like (kategori 1), plate-like (kategori 2), ball-like (kategori 3), dan irregular (kategori 4). Untuk mengetahui bentuk sampah, image processing atau computer vision merupakan salah satu cara yang dapat digunakan. Hasilnya plate-like memiliki jarak lontar yang lebih jauh dibadingkan bentuk lainnya. Semakin luas permukaan, semakin jauh jarak lontarnya. Strip-like memiliki luas permukaan yang relatif kecil dan ball-like memiliki volume yang berdampak pada massa yang terlalu dominan. Pada pengujian shape recognition, pengujian satu objek memiliki akurasi 100% untuk bentuk strip-like dan plate-like. Akurasi pengujian tiga benda untuk ball-like hanya 33% sedangkan yang lain (strip-like dan plate-like 100%). Untuk pengujian objek acak, dari empat objek terdeteksi tiga (75%), dan 32 objek terdeteksi 17 objek.

---

Electronic waste or E-Waste itself is defined as EEE that is disposed of by its owner as waste without a purpose for reuse (Step Initiative, 2014). In the processing of electronic waste, according to Meskers (2009) there are three stages in the electronic waste recycling process, namely collection, preprocessing, and processing. Eddy Current Separator (ECS) is a non-ferrous metal separation device from solid electronic waste. The main part of the ECS is a magnetic drum which has a different arrangement of magnetic poles which will produce Eddy Current Force (EFC) (Jujun, 2014). The relationship between the variable p (count shape) and the deflection distance was also directly tested by Zhang (1998). By chopping PCBs and using an approach based on the results of the chopping, Zhang identified four chopping shapes, namely strip-like (category 1), plate-like (category 2), ball-like (category 3), and irregular (category 4). To find out the form of waste, image processing or computer vision is one way that can be used. The result is that plate-like has a longer ejection distance than other forms. The more surface area, the farther the ejection distance. Strip-like has a relatively small surface area and ball-like has a volume that has an impact on mass that is too dominant. In shape recognition testing, one object test has 100% accuracy for strip-like and plate-like shapes. The accuracy of testing three objects for ball-like is only 33% while for the others (strip-like and plate-like 100%). For random object testing, from four objects, three (75%), and 32 objects were detected, 17 objects were detected."

"Saat ini, Indonesia menempati peringkat kedua sebagai produsen karet terbesar di dunia, menyumbang sekitar 29,8% dari kebutuhan global. Namun, produksi karet di Indonesia mengalami penurunan dari tahun ke tahun, salah satu faktornya adalah serangan penyakit gugur daun yang disebabkan oleh jamur Pestalotiopsis sp. Pada tahun 2021, luas perkebunan karet yang terkena penyakit mencapai 30.328,84 hektar dan tanaman yang terinfeksi oleh penyakit tersebut mengalami penurunan produksi lateks hingga 30%. Penyakit ini menyerang daun dengan gejala pembentukan bercak berukuran 0,5-2 cm yang menyebabkan nekrosis dan gugur. Penklasifikasian tingkat keparahan penyakit Pestalotiopsis sp. secara morfologi melalui pengamatan jumlah bintik dan warna pada daun karet membutuhkan waktu dan tenaga besar, terutama karena luasnya perkebunan yang terinfeksi. Oleh karena itu, penggunaan metode machine learning diusulkan untuk mengurangi waktu dan usaha yang dibutuhkan dalam menklasifikasi penyakit gugur daun akibat jamur Pestalotiopsis sp. Pada penelitian ini, model machine learning digunakan untuk mengklasifikasi 5 kelas tingkat keparahan penyakit Pestalotiopsis sp. yaitu tingkat 0 (sehat), tingkat 1 (terinfeksi ringan), tingkat 2 (terinfeksi sedang), tingkat 3 (terinfeksi parah), dan tingkat 4 (terinfeksi sangat parah). Dataset yang digunakan adalah citra daun tanaman karet yang diperoleh dari Pusat Penelitian Karet Sembawa. Model machine learning menerima input data citra daun tanaman karet, lalu citra disegmentasi menggunakan k-mean clustering. Data yang telah tersegmentasi kemudian diekstraksi dengan fitur warna hue, saturation, dan value (HSV) dan fitur jumlah bintik dengan metode contour detection menggunakan Suzuki’s contour algorithm. Selanjutnya, fitur-fitur ini diklasifikasikan menggunakan Support Vector Machine (SVM) tipe one vs rest multiclass classification dan Grid Search Cross Validation dengan 5 fold untuk menemukan hyperparameter terbaik untuk SVM. Hyperparameter terbaik adalah kernel radial basis function dengan C=100. Berdasarkan hasil percobaan sebanyak 5 kali, diperoleh kesimpulan bahwa model dengan akurasi tertinggi adalah model yang menggunakan fitur warna dan jumlah bintik dengan nilai rata-rata akurasi sebesar 81,86% dan nilai rata-rata Cohen’s kappa statistic sebesar 0,77 yang artinya model mampu mengklasifikasi data citra daun tanaman karet dengan cukup baik.

---

Currently, Indonesia ranks as the second largest rubber producer in the world, contributing about 29.8% of global demand. However, rubber production in Indonesia has decreased from year to year, one of the factors is the attack of leaf fall disease caused by the fungus Pestalotiopsi sp. In 2021, the area of rubber plantations affected by the disease reached 30,328.84 hectares with infected plants have a 30% decrease in latex production. The disease attacks the leaves with symptoms of spot formation measuring 0.5-2 cm which causes necrosis and fall. Detecting the severity of Pestalotiopsis sp. morphologically through the observation of the number of spots and colors on rubber leaves requires a lot of time and energy, especially due to the large area of infected plantations. Therefore, the use of machine learning methods is proposed to reduce the time and effort required in classifying leaf fall disease caused by the fungus Pestalotiopsis sp. In this study, a machine learning model is used to classify 5 classes of Pestalotiopsis sp. disease severity, namely level 0 (healthy), level 1 (mild infected), level 2 (moderate infected), level 3 (severe infected), and level 4 (very severe infected).  The dataset used is an image of rubber plant leaves obtained from the Sembawa Rubber Research Center. The machine learning model received input data of rubber plant leaf images, then the image is segmented using k-mean clustering. The segmented data will then be extracted with hue, saturation, and value (HSV) color features and the number of spots feature with the contour detection method using Suzuki’s contour algorithm.  In this study, the performance evaluation used is accuracy and Cohen's kappa statistic. Furthermore, these features are classified using Support Vector Machine (SVM) type one vs rest multiclass classification and Grid Search Cross Validation with 5 folds to find the best hyperparameter for SVM. The best hyperparameter is the radial basis function kernel with C=100. Based on the results of 5 experiments, it is concluded that the model with the highest accuracy is a model that uses color and the number of spots features with an average accuracy value of 81.86% and an average Cohen's kappa statistic value of 0.77, which means that the model is able to classify rubber plant leaf image data quite well."

"ABSTRAKStudi pergeseran kountur dengan metode proyeksi grating adalah merupakan metoda "straightforward" dengan menentukan 3 harga koordinat yang dipilih pada suatu tes obyek yang dibentuk oleh proyeksi jala (grating). Dalam teknik ini, grating yang disebut "shadow projection type" moire topografi diganti dengan suatu bentuk grating mempunyai jala 2-3 cm. Tehnik ini, dapat diambil tiga koordinat dari titik penampang grating dengan menggunakan formula yang sama dalam teknik moire topografi. Dengan memperoleh tiga koordinat untuk setiap titik pada penampang, maka dapat ditentukan konkap dan konvek tanpa mengacu pada suatu "apriori konowledge". Dengan dikembangkan teknik ini dapat digunakan dalam orthopedik, khususnya mempelajari kontur tubuh.

---

ABSTRACTThe study grating countur shape method is a straightforward method which determines the three coordinate values of points selected on a test object to form a square mesh. In this technique, the grating of the so-called shadow projection type moire topography is replaced by a grating forming 2-3 cm square mesh. By this technique , we can obtain the three coordinates of the intersection point of the grating, using almost the same formula of moire topography. Because we can obtain three coordinates for each intersection point, we can determined the convexity and the concavity without referring to apriori knowledge. Based this technique, we applied in orthopedic especially to study a body contours."

"ABSTRAK

Pada tahun 2013, Badan Pusat Statistik mencatat bahwa telah terjadi 100.106 kasus kecelakaan lalu lintas di Indonesia. Sebagian besar kecelakaan disebabkan oleh faktor manusia, yaitu mengantuk. Sistem pendeteksi kantuk dikembangkan untuk mengatasi hal ini. Sistem pendeteksi kantuk dibangun menggunakan pustaka OpenCV, dengan kombinasi dari beberapa algoritma, yaitu Haar Cascade Classifier, fungsi blur, Canny dan kontur. Algoritma Haar Cascade Classifier digunakan untuk mendeteksi area wajah dan area mata pada pengemudi. Sedangkan kombinasi antara fungsi blur, canny dan kontur digunakan untuk mendeteksi objek mata dan menganalisis sedang terbuka atau tertutupnya mata. Performa sistem pendeteksi kantuk diuji melalui empat variabel, yaitu kernel size, nilai threshold, perbedaan kondisi pencahayaan dan karakteristik mata. Berdasarkan hasil pengujian, kernel size terbaik untuk mendeteksi mata adalah (4,4). Selain itu, nilai threshold terbaik untuk lower threshold dan upper threshold adalah 70-110 dan 210-240. Perbedaan kondisi pencahayaan (pagi, siang, sore dan malam) memiliki pengaruh terhadap sistem dengan tingkat kesalahan sebesar 20%. Karakteristik mata (berkacamata dan tidak berkacamata) memiliki pengaruh terhadap sistem dengan tingkat kesalahan sebesar 16,7%.

---

ABSTRACT

In 2013, Badan Pusat Statistik (Statistics Indonesia) recorded that 100.106 cases of traffic accident have occured in Indonesia. Mostly caused by human error, i.e. drowsiness. Drowsiness detection system is developed to respond this situation. Drowsiness detection system is built through OpenCV library by combining the Haar Cascade Classifier algorithm with blur, canny and contour function. Haar Cascade Classifier was used to detect areas of face and eyes whereas the combination of blur, canny and contour function is used to detect the driver’s eyes and analyze the open or closed driver’s eyes. The performance of drowsiness detection system was tested through four variables; kernel size, threshold value, lighting condition (morning, noon, afternoon and night) and eye’s characteristic (eyeglasses or not). Based on the experiments, the best kernel size to detect the driver’s eyes is 4,4. Then, the best lower threshold and upper threshold are 70-110 and 210-240. Subsequently the light conditions has a 20 % error rate to the system. The eye’s characteristic has a 16,7 % error rate to the system.

"

"[ABSTRAKRontgen dada atau Chest X-Ray (CXR) merupakan salah satu aplikasi pencitraan medis yang paling sering digunakan dalam pendeteksian kelainan khususnya tumor pada paru – paru. Untuk menentukan diagnosis kelainan tersebut, seorang dokter masih mengandalkan pengamatan visual dalam pembacaan hasil citra CXR sehingga penilaian bersifat subyektif tergantung pada masing – masing dokter. Oleh karena itu, pada penelitian ini dilakukan perancangan sistem pengolahan citra sebagai alat bantu identifikasi kelainan paru – paru. Kategori citra CXR yang digunakan adalah citra pada keadaan normal, tumor, dan kelainan bukan tumor. Tahapan pengolahan yang dilakukan berupa pre-processing menggunakan median filtering dan ekualisasi histogram serta proses segmentasi menggunakan otsu’s thresholding dan active contour : snake. Uji hasil pengolahan citra dengan hasil diagnosis dokter menggunakan jaringan syaraf tiruan backpropagation menghasilkan akurasi sebesar 92,85 %.

---

ABSTRACTChest X-Ray (CXR) is a medical imaging applications that most commonly used for detects of abnormalities, especially tumors of the lung. To determine the abnormality diagnosis, doctors still rely on visual observations to read a CXR image, so that the assessments are subjective depending on each doctor. This study purposes to design an image processing system as a tool for identification of lung’s abnormalities. It used three classification of CXR image, which are lungs image in normal circumstances, tumors, and abnormalities besides tumor. Stages of image processing are done in the form of pre-processing using a median filtering and histogram equalization and also the process of segmentation using Otsu's thresholding and active contour: snake. Test the image processing results with the results of the doctor's diagnosis using artificial neural network backpropagation produces an accuracy of 92,85 %., Chest X-Ray (CXR) is a medical imaging applications that most commonly used for detects of abnormalities, especially tumors of the lung. To determine the abnormality diagnosis, doctors still rely on visual observations to read a CXR image, so that the assessments are subjective depending on each doctor. This study purposes to design an image processing system as a tool for identification of lung’s abnormalities. It used three classification of CXR image, which are lungs image in normal circumstances, tumors, and abnormalities besides tumor. Stages of image processing are done in the form of pre-processing using a median filtering and histogram equalization and also the process of segmentation using Otsu's thresholding and active contour: snake. Test the image processing results with the results of the doctor's diagnosis using artificial neural network backpropagation produces an accuracy of 92,85 %.]"

"Kebisingan merupakan gangguan yang dapat mempengaruhi kenyamanan dan kesehatan terutama kepada operator yang bekerja selama 8 jam sehari di area mesin produksi. Dari hasil observasi lapangan, diperoleh Noise Mapping dan Noise Contour area produksi Vial Mesin Spami kebisingannya berkisar 80,7 dBA sampai dengan 87,2 dBA. Hasil pengukuran pajanan bising personal dengan menggunakan Noise Dosimeter didapatkan bahwa dari 24 operator yang bekerja pada area tersebut, 11 pekerja menerima Dosis Pajanan Bising diatas 100% (85 dBA). Salah satu usaha untuk mengurangi dampak kebisingan pada pekerja dengan menggunakan APT Ear Plug dengan NRR 25 dBA. Dosis Pajanan Bising Efektif dengan penggunaan APT pada keseluruhan operator dapat mencapai dibawah 100% (85 dBA). Keseluruhan pekerja sebanyak 24 orang memiliki fungsi pendengaran normal.

---

Noise is a disorder that can affect comfort and health, especially to the operators who work for 8 hours a day in the machine at production area. Result from observation with Noise Mapping and Noise Countour shows that the noise range at area Vial Production Spami Machine is 80,7 dBA until 87,2 dBA. Results of Personal noise exposure measurement by using Noise Dosimeter found that of the 24 operators working in the area, 11 workers received a Noise Dose Exposure above 100% (85 dBA). One of the actions to reduce the noise risk to workers by using PPE, Ear Plug with NRR 25 dBA. Effective Noise Dose Exposure while use in Earplug on the overall operator can reach below 100% (85 dBA). All of the workers as much as 24 workers have Normal Hearing Functionality."

"ABSTRAK Latar Belakang. Optimalisasi hemodinamik perioperatif berkorelasi dengan peningkatan hasil terapi pascaoperasi. Alat pantau pulse contour analysis telah digunakan rutin pada operasi transplantasi ginjal di RSCM. Teknologi ini mahal dan harus dilakukan pemasangan akses kateter arteri. Terdapat alat ukur lain dengan kelebihan tidak invasif.Tujuan. Mengetahui kesesuaian hasil pengukuran hemodinamik antara teknik bio-impedance analysis dan pulse contour analysis pada pasien resipien transplantasi ginjal.Metode. Penelitian observasional statistik potong lintang terhadap 35 pasien resipien transplantasi ginjal di RSCM dan RSCM Kencana Jakarta periode Oktober 2017-Febuari 2018. Parameter hemodinamik pasien diukur menggunakan kedua alat uji yaitu ICONTM dan EV1000TM, pencatatan dilakukan pascainduksi, pascainsisi dan pascapelepasan klem arteri renalis. Analisis data menggunakan uji kesesuaian Bland-Altman dan korelasi.Hasil. Rerata perbedaan nilai indeks curah jantung dan indeks isi sekuncup antara kedua alat adalah 1,3 l/mnt/m2 dan 22,1 ml/denyut/m2 lebih tinggi pada EV1000TM. Rerata perbedaan hasil indeks tahanan vaskular sistemik dan stroke volume variation antara kedua alat adalah 973,3 dynes-detik-m2/cm5 dan 4,8 lebih rendah pada EV1000TM.Simpulan. Tidak terdapat kesesuaian hasil pengukuran curah jantung, tahanan vaskular sistemik dan stroke volume variation antara teknik bio-impedance analysis dengan teknik pulse contour analysis pada pasien resipien transplantasi ginjal.

Background. Hemodynamic optimization perioperative has strong correlation with improvement of post-operative outcome. Pulse contour analysis uses regularly for monitoring in renal transplantation surgery at RSCM hospital. This technology is expensive and need access to artery vascular. There is other monitoring device with excess non-invasive use. Purpose. Comparing hemodynamic measurement results between bio-impedance analysis and pulse contour analysis in renal transplant recipients.Method. Cross sectional observasional study to 35 renal transplantation recipient patients at RSCM and RSCM Kirana hospitals Jakarta during October 2017-February 2018. Each patient was measured with both devices ICONTM and EV1000TM. Data collected after induction, after incision and after renal artery release. All the data analyzed with Bland-Altmant agreement and corellation.Result. Mean difference of cardiac output index and stroke volume index are 1,3 l/mnt/m2 and 22,1 ml/denyut/m2 higher in EV1000TM. Mean difference of systemic vascular resistance index and stroke volume variation are 973,3 dynes-detik-m2/cm5 and 4,8 lower in EV1000TM. Conclusion. There is no agreement in measurement of cardiac output, systemic vascular resistance and stroke volume variation between bio-impedance analysis and pulse contour analysis in renal transplantation recipient patients. "

"Pada data citra, boundary adalah salah satu bagian atau feature yang mempunyai nilai informasi tinggi. Dalam konteks object recognition, boundary sangat baik digunakan untuk penyederhanaan proses pencocokan piksel (matching). Proses mendapatkan bolrndary pacla sebuah citra diswbut boundary mapping. Salah Satu teknik dalam boundary mapping suatu citra adalah deformable contour.Deformable contour atau snake merupakan sebuah kurva yang dapat bergerak pada suatu citra, untuk menemukan boundary obyek. Salah satu metode deformable contour yaitu Deformable contour dengan metode standard potential force atau yang lebih dikenal sebagai traditional potential force. Metode ini menggunakan gradien dari suatu edge map sebagai external force-nya. Metode ini mempunyai masalah yang berhubungan dengan jarak inisialisasi kurva dan menemukan boundary cekung yang kurang baik, yang dapat membatasi kinerja deformable contour. Kedua masalah pada metode traditional potential force tersebut dapat diatasi dengan menggunakan external force yang biasa disebut sebagai gradien vector flow. Metode ini melakukan penyebaran (diffucion) gradien vektor pada edge map yang didapatkan dari citra.Pada skripsi ini, deformable contour dilakukan untuk menghasilkan citra dengan kurva yang dapat menemukan boundary obyek. Beberapa variasi fungsi blur σ jarak inisialisasi R dan bentuk citra dilakukan untuk mendapatkan kurva yang convergence dengan boundary obyeknya. Dengan menggunakan beberapa citra, akan diperlihatkan bahwa gradient vector flow mempunyai jarak tangkap yang, relalif lebih luas dan dapat menggerakan deformable contour menuju boundary yang berbentuk cekung."

"Digital fabrication has been termed the “third industrial revolution”, and is promising to revolutionize many disciplines, including most recently the construction sector. Both academia and industry see immense promise in cementitious materials, which lend themselves well to additive manufacturing techniques for digital fabrication in construction. With this recent trend and high interest in this new research field, the 1st RILEM International Conference on Concrete and Digital Fabrication (Digital Concrete 2018) was organized. Since 2014, ETH Zurich has been host for the Swiss National Centre for Competence in Research (NCCR) for Digital Fabrication in Architecture, which is highly interdisciplinary and unique worldwide. In 2018, this NCCR opened the “DFAB House”, which incorporates many digital fabrication principles for architecture. It is also responsible for the 600 m2 Robotic Fabrication Lab and the first robotically built roof in the world. Held in tandem with Rob|Arch 2018, the leading conference for robotics in architecture, RILEM deemed it the right time to combine forces at this new conference, which will be the first large conference to feature the work of the recently created RILEM Technical Committee on Digital Fabrication with Cement-based Materials, among other leaders in this new field worldwide. This conference proceedings brings together papers that take into account the findings in this new area. Papers reflect the varying themes of the conference, including Materials, Processing, Structure, and Applications."