Hasil Pencarian  ::  Simpan CSV :: Kembali

"Penggunaan teknologi mesin vision pada proses pengelasan telah berkembang seiring dengan kebutuhan akan hasil pengelasan yang lebih konsisten dengan proses pengambilan posisi gerak yang lebih cepat. Aplikasi mesin vision untuk melakukan proses analisa obyek dengan pengambilan citra pada benda kerja atau tanpa adanya kontak langsung pada material diharapkan mampu untuk menghasilkan proses yang mudah dan cepat, selama tidak mengurangi sifat keakurasian agar mampu untuk dilakukan pada proses pengelasan. Dengan mengaplikasikan algoritma hough transform untuk pendeteksian garis serta didukung proses pengolahan citra yang baik, maka sekumpulan garis yang berhasil terdeteksi akan dapat dipilih jalur pengelasan yang efisien. Konsep pemilihan jalur pengelasan pada penelitian yang dilakukan adalah dengan membuat kombinasi antara jarak maksimal path terjauh yang dapat ditempuh dilanjutkan dengan pemilihan jarak minimum pada pergantian point to point saat melakukan gerakan non welding. Dari hasil pemilihan jalur pengelasan tersebut kemudian dirubah ke bentuk G-code yang telah dimodifikasi. Hasil penerapan pemilihan jalur pengelasan mampu untuk dilakukan dengan akurasi tidak lebih dari 0,02 mm. ......The use of machine vision technology in the welding process has been developed along with the need for more consistent and more qualified welding results. The application of machine vision to perform object an the object itself making the whole processes fast while maintaining the accuracy. In this research, Hough Transform algorithm is used to detect the welding tracks candidate. Afterward, some modifications to the hough transform is carried to enable finding the exact welding tracks. Once the welding tracks are found, welding sequences (welding path) on the welding tracks are then generated by evaluating all the tracks to produce the longest possible welding path with minimum non-welding motion. When all the welding paths are generated, they are then converted to a form of G-code like format which are ready to be sent to the controller unit. The implemented tracks and their appropriate welding path with accuracy not more than 0.02 mm."

"Saat ini, paremeter efektivitas antimikroba dihitung berdasarkan pengukuran diameter zona inhibisi secara manual. Dalam penelitian ini, pengukuran efektivitas antibakteri dapat dilakukan menggunakan circular Hough transform. Perangkat keras system pengukuran terdiri dari meja pengukuran, dua sumber cahaya lampu halogen dan kamera yang terhubung ke PC melalui USB. Perangkat lunak dari system ini terdiri dari akuisisi citra, kalibrasi kamera, pre-processing, Hough transform, dan konversi meter. Checkerboard dengan dimensi dan bentuk yang sudah diketahui digunakan untuk menghitung parameter kalibrasi kamera dan spasial. Efektivitas antimikroba diukur berdasarkan diameter dari zona inhibisi yang terbentuk oleh antimikroba pada medium agar. Perbedaan kontras dilakukan dengan menambahkan latar dengan warna yang kuat. Kesalahan rata-rata pengukuran zona inhibisi yang didapatkan dari objek antimikroba adalah 1,05 dan 1,09 pada kamera untuk masing-masing jarak 12,2cm dan 17,2cm. ......Current, antimicrobial effectiveness parameter is calculated by measuring the inhibition zone diameter manually. In this research, an antimicrobial effectiveness measurement system was introduced using circular Hough transformation. The hardware of measurement system consists of a set of measuring workbench, two halogen light sources and a camera that connected to PC via USB. The software of system consists of image acquisition, camera calibration, pre processing, Hough transform and meter conversion. A checkerboard with known dimension and shape was used to compute camera and spatial calibration parameter. An antimicrobial effectiveness was measured based on the diameter of inhibition zone which formed by an antimicrobial in agar subtract. A contrast enhancement was performed by adding object background using strong color. The average measurement error of inhibition zone obtained from the antimicrobial object are 1.05 and 1.09 at camera object distance 12,2cm and 17,2 cm, respectively. "

"Sistem identifikasi berbasis keunikan anggota tubuh manusia berkembang pesat di berbagai bidang aplikasi komersial. Iris mata merupakan salah satu dari sistem identifikasi yang dikembangkan. Hal ini mempengaruhi penelitian-penelitian yang mengarah pada kemampuan untuk menjamin tingkat akurasi dan kehandalan dalam berbagai kesulitan pada lingkungan yang mengandung noise seperti pemakaian kacamata, rambut, bulu mata, pengaruh blurring. Salah satu tahap yang paling kritis dan mendasar dalam sistem pengenalan iris mata adalah mengidentifikasi lokasi iris mata di dalam citra input. meningkatkan akurasi identifikasi lokasi iris mata dengan berbasis metode tranformasi hough dan deteksi tepi canny serta menghilangkan noise. Deteksi tepi canny memiliki kemampuan mengekstrak tepi dengan kebebasan pemilihan parameter yang digunakan dan hough transform memiliki proses komputasi yang cepat. Langkah yang dilakukan yaitu pengambilan sampel citra iris mata, dilanjutkan dengan pemetaan iris mata berbasis deteksi canny, kemudian mendeteksi lokasi iris mata dengan menentukan batas luar dan dalam iris mata, selanjutnya dilakukan proses menghilangkan noise yang mengganggu proses identifikasi lokasi iris mata. Dalam proses uji coba untuk mengukur tingkat akurasi lokasi iris mata digunakan dataset CASIA-IrisV3 Tujuan dari penelitian ini adalah mengedentifikasi lokasi iris mata yang akurat dalam citra ber-noise berbasis hough tranform dan detekti tepi canny. Selain itu diharapkan memberikan manfaat dalam pengembangan sistem aplikasi biometrik berbasis Iris Mata."

"Sistem biometric menawarkan solusi dalarn proses identifikasi sseorang berdasarkan keunikan iitur atau karakteristik yang ciimiliki oleh setiap individu Sampai saat ini, identifkasi berdasarkan iris rnata rnerupakan metode biometric yang paling akurat dan reliable. Permasalahan yang akan dibahas rnengikutsertakan perancangan simulasi sistem pengenalan berdasarkan pola iris mata seseorang dengan tujuan unmk memverifikasi keunikan suatu iris manusia dan perfonnansinya sebagai salah satu metode dalam telcnologi biometric.Tahap awal sistem pengenalau berdasarkan iris mana adalah segmentasi secara otomatis berdasarkan tmnsformasi Hough sehingga dapat melokalisasi daerah iris dan pupil. Daerah iris yang berbentuk lingkaran yang telah terscgmentasi tersebut selanjutnya akan dinormalisasi ke dalam rectangular representation agar dapat diekstraksi dalam proses selanjutnya. Proses ekstraksi dilakukan dengan cara mengkonvolusi citra iris yang telah dinormalisasi tersebut clengan 1-D Log-Gabor wavelet. Selanjutnya data fase yang diperoleh dari 1-D Log Gabor wavelet dikuantisasi menjadi empat tingkat agar dapat di-encoding menjadi suatu biometric template yang biasa disebut dengan iriscode. Proses pencocokkan antara dua triscode dilakukan dengan menggunakan rnetode Harnming Distance.Percobaan djlakukan dengan mengkombinasikan 108 iris mata yang berasal dari 36 individu yang berbeda (tiga posisi iris yang berbeda untuk setiap orang). Pada sistem yang diujicobakan ini mempunyai false reject rate sebesar 13,88% dan false acceptance rate scbesar 0,00%."

"Nowadays, there are many robotic applications being developed to do tasks autonomously without any interactions or commands from human. Therefore, developing a system which enables a robot to do surveillance such as detection and tracking of a moving object will lead us to more advanced tasks carried out by robots in the future. AR.Drone is a flying robot platform that is able to take role as UAV (Unmanned Aerial Vehicle). Usage of computer vision algorithm such as Hough Transform makes it possible for such system to be implemented on AR.Drone. In this research, the developed algorithm is able to detect and track an object with certain shape and color. Then the algorithm is successfully implemented on AR.Drone quadcopter for detection and tracking.Saat ini, ada banyak aplikasi robot yang telah dikembangkan untuk melakukan suatu tugas secara autonomous tanpa interaksi atau menerima perintah dari manusia. Oleh karena itu, mengembangkan sistem yang memungkinkan robot untuk melakukan tugas pengawasan seperti deteksi dan tracking terhadap suatu objek yang bergerak akan memungkinkan kita untuk mengimplementasikan tugas-tugas yang lebih canggih pada robot di masa mendatang. AR.Drone adalah salah satu platform robot terbang yang dapat berperan sebagai UAV (Unmanned Aerial Vehicle). Penggunaan algoritma com-puter vision seperti Hough Transform memungkinkan sistem semacam itu dapat terimplementasi pada AR.Drone. Pada penelitian ini, algoritma yang diterapkan mampu melakukan deteksi dan tracking ter-hadap suatu objek berdasarkan bentuk dan warna tertentu. Hasil yang diperoleh dari penelitian ini me-nunjukkan sistem deteksi dan tracking objek secara autonomous dapat diimplementasikan pada quad-copter AR.Drone."

"Tesis ini membahas dan menjelaskan mengenai implementasi algoritma Line Hough Transform dan Circular Hough Transform dalam mendeteksikemungkinan keberadaan garis dan lingkaran pada citra karakter numerik dan operator matematika sederhana hasil tulisan tangan. Ciri ini akan digunakan sebagai nilai karakteristik dalam proses pengenalannya dimana proses pengenalanini juga memerlukan validasi terhadap tiap garis dan lingkaran yang ditemukan melalui proses grouping dan trending, baik pada penerapan LHT maupun pada penerapan CHT. Untuk tahap identifikasi perhitungan matematika sederhana setelah proses pengenalan tiap karakternya, memanfaatkan hasil segmentasi objek sehingga posisi suatu karakter dapat diketahui. Penentuan range nilai yang digunakan dalam validasi trend lines dan trend circles LHT dan CHT pada sistem ini dilakukan melalui analisis sejumlah data sampel. Pendeteksian garis dan lingkaran ini juga sangat dipengaruhi oleh nilai threshold yang diberikan sebagainilai ambang batas dalam melakukan voting accumulator array. Dalam penelitian ini, nilai threshold diperoleh dari hasil uji coba dan threshold yang cocok yang diimplementasikan pada sistem merupakan suatu fungsi yang relatif terhadap ukuran segmentasi objek. Penerapan teknik segmentasi dan thinning dalam penelitian ini juga memperkecil effort yang harus dikerjakan oleh sistem pada pemrosesan LHT dan CHT. Hasil pengujian sistem melalui beberapa skenario eksperimen memberikan nilai rata-rata precision untuk uji coba pengenalan karakter-karakter secara individual sebesar 98.13% dan rata-rata recall nya sebesar 94% terhadap 450 citra yang diujikan, sedangkan nilai akurasi untuk ketepatan pengenalan dan perhitungan matematika hasil tulisan tangan diperolehsebesar 90%.......This thesis discusses and explains about the implementation of Line Hough Transform and Circular Hough Transform algorithm to detect the possible presence of lines and circles on the handwriting image of numeric characters andsimple math operators. These characteristics will be used as characteristic values in recognition phase where this process also requires validation of each line and each circle that is found through grouping and trending process, either on implementation of LHT or CHT. For identification of simple mathematical calculation phase after recognition process of each character, the results of object segmentation are used to determine the position of characters. The definition of range values that is used in trend lines and trend circles validating process from LHT and CHT in this system was obtained from the analysis of a number oftraining data. This lines and circles detection is also heavily influenced by threshold value in voting accumulator array. In this study, the threshold value is obtained from the test results and the match one is implemented in this system as a function relative to the size of the object segmentation. The object segmentation and thinning techniques also minimize the effort on processing LHT and CHT.The results of testing the system through several experimental scenarios give an average precision value of 98.13% and an average recall value of 94% for individual characters recognition trials on 450 testing images. The accuracy for recognition and identification of mathematical calculation on handwriting imagesis 90%."

"ABSTRAKPenelitian ini bertujuan untuk mengembangkan sebuah sistem teknologi alat bantu mobilitas untuk orang dengan gangguan penglihatan (OdGP) yang dinamakan dengan Smart Environment Explorer Stick (SEES) . Tujuan khusus penelitian ini adalah mengembangkan algoritma baru dalam meningkatkan akurasi SEE-stick untuk mendeteksi tiang dengan metode perhitungan jarak dan pencarian pasangan garis vertikal berbasis optimasi deteksi tepi Canny dan Transformasi Hough. Algoritma deteksi tiang ini dinamakan algoritma YuRHoS. Hasil penelitian ini adalah telah dikembangkan SEES sebagai sistem pendukung mobilitas OdGP yang mengintegrasikan perangkat global remote server iSEE , embedded local server SEE-phone dan smart stick SEE-stick . Kinerja SEE-stick dapat ditingkatkan melalui algoritma YuRHoS yang mampu memperbaiki akurasi SEE-stick dalam mendeteksi tiang. Perbandingan hasil uji deteksi tiang antara algoritma YuRHoS dengan algoritma deteksi tiang lainnya menyimpulkan bahwa algoritma YuRHoS memiliki tingkat akurasi lebih baik dalam mendeteksi tiang. Dua faktor dominan yang signifikan mempengaruhi kemampuan SEE-stick dalam mendeteksi tiang adalah lokasi uji dan warna tiang. Tingkat akurasi SEE-stick akan optimal dalam mendeteksi tiang di luar ruangan dan tiang berwarna perak. Hasil uji statistik menunjukkan bahwa kinerja algoritma YuRHoS pada uji di dalam ruangan 0,085 kali lebih buruk dibandingkan uji di luar ruangan, sedangkan penggunaan tiang berwarna perak sebagai obyek deteksi dapat meningkatkan kinerja algoritma YuRHoS 12 kali lebih baik dibandingkan penggunaan tiang berwarna hitam.

---

ABSTRACTThis research aimed to develop a technology system of mobility aid for Visually Impaired Person (VIP) called Smart Environment Explorer Stick (SEES) . Particular purpose of this research was developing new algorithm in improving accuracy of SEE stick for pole detection using distance calculation method and vertical line pair search based on Canny edge detection optimization and Hough transform. Henceforth, the pole detection algorithm was named as YuRHoS algorithm. The developed SEES as supporting system of VIP mobility aid had been successfully integrated several devices such as global remote server iSEE , embedded local server SEE phone and smart stick SEE stick . Performance of SEE stick could be improved through YuRHoS algorithm which was able to fix the accuracy of SEE stick in detecting pole. Test comparison of pole detection results among others algorithm concluded that YuRHoS algorithm had better accuracy in pole detection. Two most significant factors affecting SEE stick ability in detecting pole was test location and pole color. Level of accuracy of SEE stick would be optimum once the test location was performed outdoor and pole color was silver. Statistics result shown that YuRHoS algorithm performance indoor was 0.085 times worse than outdoor. Meanwhile, silver pole color as object detection could increase YuRHoS algorithm performance as much as 12 times better compare to black pole color."

"Alat Ultrasonografi (USG) merupakan alat yang paling sering digunakan untuk melakukan pemeriksaan janin dalam kandungan. Hal ini dikarenakan selain mampu memberikan gambaran terhadap keadaan janin dengan baik, alat ini bebas dari radiasi ionisasi sehingga tergolong aman. Penelitian ini bertujuan untuk mengembangkan metode yang mampu melakukan proses deteksi dan pengukuran biometri janin secara otomatis khususnya biometri kepala janin. Adapun biometri tersebut adalah head circumference (HC) dan biparietal diameter (BPD) yang merupakan salah satu parameter yang sering digunakan oleh dokter untuk mengetahui umur serta pertumbuhan janin dalam kandungan. Kedua biometri ini dapat diukur dengan melakukan aproksimasi terhadap bentuk elips. Untuk melakukan proses ini maka diperlukan tahapan dimulai dengan melakukan segmentasi citra dengan teknik thresholding. Selanjutnya dilakukan proses deteksi menggunakan metode Particle Swarm Optimization (PSO) dengan memanfaatkan fitness function yang diperoleh dari hasil vote menggunakan metode Randomized Hough Transform (RHT). Hasil pengukuran oleh sistem dibandingkan dengan hasil pengukuran secara manual oleh pakar. Uji coba juga dilakukan terhadap data sintetis dengan density noise 0,1 hingga 0,7. Dari hasil eksperimen diperoleh bahwa metode yang dikembangkan lebih baik daripada metode RHT, IRHT dan mEPSOHT untuk melakukan deteksi elips pada citra tersebut. Hasil eksperimen terhadap data sebenarnya yaitu USG 2D kepala janin diperoleh hasil rata-rata nilai hit dari metode yang dikembangkan lebih tinggi daripada metode lainnya namun hasil interrun dan interobserver variation tidak lebih baik dari metode lainnya. Hal ini dikarenakan metode yang dikembangkan lebih cenderung untuk terjebak pada local best dan tidak selalu tepat untuk melakukan deteksi pada citra kepala janin. ......The application in ultrasonography (USG) is a tool that most often used to examine fetus in the womb. At this study will perform image processing on biomedical images especially for fetus in the womb using two dimensional ultrasound device (USG 2D). The aim of this study is to develop a system that is capable to perform detection and measurement of fetal biometry automatically. The biometric used in this research consists of head circumference (HC) and biparietal diameter (BPD) analysis. BPD and HC are parameters which are often used by doctors to determine the state of the fetus in the womb. Both biometric parameters can be measured by performing an approximation of the elliptical shape. To do this process, it is necessary to start from segmentation images by thresholding techniques. After preprocessing is completed then the next stage of the detection process is carried out by using Particle Swarm Optimization (PSO). PSO fitness function is obtained from voting in Randomized Hough Transform (RHT) method. The measurement results by proposed method are then compared with the results obtained manually by experts. A trial has also been conducted on the synthetic data with noise density 0.1 to 0.7. Experiment results show that the proposed method is better than the other methods e.g. RHT, mEPSOHT and IRHT in detecting ellipse. Further trials have been conducted on actual data i.e. 2D ultrasound fetal head data. From the experiement we have found that the average hit value of our proposed method is higher than other methods. However, the results of interrun and interobserver variation are not better than others. This is because our developed method is more likely to be trapped in local best and doest not always correctly detect ellipse of the fetal head images."

"Batik adalah kain yang dihias dengan menggunakan teknik dekorasi tekstil yang memanfaatkan malam sebagai perintang warna. Seni batik telah dikembangkan sejak lama di beberapa bagian negara Asia termasuk Indonesia. Pemanfaatan teknologi informasi dalam bentuk metode deteksi motif batik dapat mendukung perkembangan industri kreatif karena sistem ini nantinya dapat dijadikan sebagai acuan bagi perkembangan elemen-elemen desain motif batik. Fokus penelitian ini adalah deteksi motif batik yang memiliki karakteristik kemunculan yang berulang, multi translasi, multi skala, dan multi orientasi. Domain batik dengan pola geometrisnya dipilih sebagai area implementasi terkait dengan karakteristik motif batik yang bersifat simetri, kemunculan obyek yang berulang di beberapa lokasi dalam satu bidang kain, dan sering kali obyek-obyek motif batik tersebut telah mengalami perubahan skala ataupun perubahan orientasi. Kondisi tersebut dapat menyebabkan adanya kesalahan deteksi dan kesalahan klasifikasi. Metode deteksi motif batik yang diusulkan menggunakan fitur SIFT dan serangkaian post processing berupa voting Hough Transform, clustering, smoothing, deteksi peak, penambahan jumlah minimum voting dan penggabungan konfigurasi yang memiliki nilai berdekatan. Pada citra kueri dilakukan ekstraksi fitur menggunakan SIFT. Deskriptor yang dihasilkan dicocokkan dengan deskriptor citra template pada basis data. Pada penelitian ini diusulkan metode pencocokan keypoint yang berbeda dengan metode standar pencocokan SIFT. Seluruh pasangan keypoint diurutkan mulai dari yang memiliki jarak terdekat hingga yang paling jauh. Selanjutnya ditentukan nilai ambang jumlah keypoint sebesar 1%, 5% dan 10%. Pasangan keypoint hasil pencocokan dilakukan voting menggunakan Hough Transform terhadap konsistensi pose geometris obyek citra kueri. Sehubungan dengan permasalahan yang dihadapi dalam deteksi motif batik, proses pencocokan deskriptor citra berupa keypoint yang diperoleh melalui ekstraksi fitur, harus dapat dilakukan dengan baik sehingga kualitas deteksi motif batik menjadi lebih baik.Pada penelitian ini dikembangkan pula beberapa metode deteksi obyek yang berfungsi sebagai pengambil keputusan terhadap keberadaan obyek tertentu pada citra kueri. Metode deteksi obyek ini bekerja dengan cara mengambil hingga maksimum 80% dari nilai peak tertinggi yang terbentuk pada ruang Hough (MDOTresh), penggunaan nilai ambang berdasarkan rumusan rata-rata nilai peak yang terendah dan peak yang tertinggi (MDOAverage), penentuan nilai k berdasarkan nilai-nilai peak tertinggi sesuai dengan jumlah obyek yang terdapat pada groundtruth (MDOTopk), mengambil konfigurasi pada peak yang memiliki minimum nilai sebesar 3 voting pada setiap konfigurasi luaran ruang Hough (MDOMin), penentuan representasi obyek berdasarkan keluaran clustering DBSCAN (MDOScan), dan melakukan proses smoothing menggunakan filter Gaussian pada hasil deteksi dengan jumlah minimum voting sebanyak 3 buah (MDOGauss).Kehandalan metode dalam melakukan deteksi diindikasikan dengan ketepatan dalam menentukan jumlah obyek yang terdapat pada citra kueri dan mampu mengenali motif batik walaupun telah mengalami transformasi geometris melalui perpindahan posisi, perbedaan skala, dan perubahan orientasi. Berdasarkan hasil yang telah diperoleh, metode deteksi motif batik untuk data citra kueri dengan obyek tunggal, kombinasi translasi, skala, dan orientasi mencapai nilai kinerja maksimum 95.28% menggunakan MDOTresh, sedangkan pada citra kueri dengan obyek tunggal dan variasi noise mencapai 100% melalui MDOTresh, MDOAverage, dan MDOTopk. Hal ini menunjukkan bahwa metode deteksi motif batik mampu menangani obyek tunggal dengan berbagai kondisi. Pada deteksi motif batik dengan multi obyek, multi translasi, multi skala dan multi orientasi capaian maksimum kinerja metode usulan adalah 92.13%, sedangkan untuk citra kueri dengan multi obyek, multi translasi, multi skala, multi orientasi, dan variasi noise diperoleh capaian kinerja 89.89%. Keduanya diperoleh melalui pendekatan MDOGauss. Pada kondisi ini, penambahan jumlah obyek motif pada citra kueri menyebabkan bertambahnya jumlah obyek yang tidak berhasil dideteksi. Kasus selanjutnya adalah deteksi obyek motif batik dengan multi motif, multi obyek, multi skala, dan multi orientasi dengan luaran ruang Hough berupa jumlah voting absolut mencapai 96.09% untuk MDOTresh. Transformasi geometris pada obyek motif batik berakibat penurunan kontras citra sehingga berpengaruh pada jumlah voting yang dihasilkan. Untuk komposisi motif teratur dengan jumlah maksimum 16 obyek motif batik untuk motif sejenis mendapatkan hasil 100% melalui MDOAverage, sedangkan untuk multi motif 92.59% melalui pendekatan MDOTresh dan MDOAverage.......Batik is a fabric printed design of hand-printing textiles by coating with wax. Batik has been developed since a long time in various countries including Indonesia. Nowadays, information technology is being utilized in recognizing batik motif. Therefore, the development of batik motif detection system is expected to support creative industries since the system can be used as a reference for the development pattern design. This study proposes an object recognition system for batik motif based on clustering Scale Invariant Features Transform (SIFT) features in Hough space. Our principal objective is to verify how many instances of the same object to our method detects accurately, when the object motif is posed in different positions, orientations, and scales. The geometric patterns domain is being selected regarding the characteristics of batik motifs. Batik motifs have symmetrical property and repeated in multiple locations. In addition, the objects of batik motif may be changed in terms of scale and orientation. The proposed method in this research consists of the feature extraction process using SIFT and post processing, namely voting Hough Transform, clustering, smoothing and peak detection. The keypoints from query image and the keypoints from template are matched with comparing the Euclidean distance of each keypoints descriptor in query image to all keypoint descriptors in template image. In this study we proposed a new matching keypoints method. All matched keypoints will be sorted from the closets distance to the farthest distance. Then, we determine the number of matched keypoint that will be used in the next process through the threshold 1%, 5%, and 10%. The similarity of primitive pattern and the occurrences of a motif in different location, scale and orientation will interfere the detection process. Consequently, the SIFT local feature representation must be performed well in terms of feature detection and matching.In this study, several object detection methods are proposed as well based on object’s representation resulted from the voting process in Hough space. Object detection method using thresholding (MDOTresh) is taking 80% of maximum peak value, while object detection method with average threshold (MDOAverage) picks the mean value of minimum and maximum peak in the Hough space. Object detection method Top k (MDOTopk) determines k number of objects from the highest peaks found in the Hough space based on the number of objects in ground truth. Object detection method based on Minimum Voting (MDOMin) considers the voting configurations which have a certain number of votes. In this study the minimum number of votes is tuned to 3 as a valid configuration. Object detection method based on DBSCAN (MDOScan) determines the representation of the object from output clustering. Object detection method using Minimum Voting + Gaussian (MDOGauss) implements smoothing process using Gaussian filter for the output configurations which have a minimum number of votes as 3.The reliability of batik motif recognition system is indicated by the ability of the system to find the number of object motif contained in query image and to classify the object motif into one of several batik motif classes even though the objects motif have undergone a geometric transformation. The evaluation of the proposed method is employing several data sets. Based on the evaluation result using query images with a single object, combination of translation, scale and orientation, object detection system MDOTresh gained balanced score 95.28%, while for the query image with a single object and scale variation of noise reached 100% through MDOTresh, and MDOAverage. It is apparent that the recognition system is capable of dealing with a single object with a various conditions. In recognition process for query image with multiple occurrences object, multi translation, multi scale and multi orientation, the highest performance is 92.13%, whereas for the image query with multi object, multi translation, multi-scale, multi- orientation, and variations in noise yielded 89.89%. Both are obtained through MDOGauss approach. In this case, increasing the number of object motif in the query image, a greater number of incorrect detections are obtained. The next case is the object motif recognition from query images with multi motif, multi object, multi scale and multi orientation. This data set has 2 outputs from Hough space namely absolute voting number and normalized voting number. The absolute voting number outputs achieved the best performance at 96.09% for the MDOTresh, while the normalized voting number gained 36.92% for MDOGauss. Geometric transformations on the object motif will be decreased contrast of object in the query image so that affected the number of voting resulted. The last data set is a regular texture, composition of the object motif with a maximum numbers are 16 objects. The best performance is 100% for homogeneous motif achieved from MDOAverage, while for multi motif yielded 92.59% achieves from MDOTresh and MDOAverage as the best."

"Pemanfaatan lahan untuk lahan parkir harus dapat dilakukan secara optimal dikarenakan terjadinya peningkatan jumlah kendaraan di setiap tahun serta penurunan jumlah lahan kosong di perkotaan. Selain itu, Konsep smart city juga menuntut pemerintah untuk meningkatkan keefektifan dan efisiensi dari sistem layanan urban termasuk jasa penyedia lahan parkir. Sistem ini dirancang untuk menjawab persoalan tersebut dengan mengimplementasikan algoritma pemrosesan citra dan pendeteksian objek. Tata letak lahan parkir yang didapat dari masukan berupa video akan dipetakan setiap petak parkirnya secara otomatis dengan menggunakan salah satu dari 3 mode pemetaan yaitu pemetaan dengan mobil, garis parkir, serta keduanya. Pemetaan ini dilakukan menggunakan algoritma Canny Edge Detection, Hough Line Transform, dan framework pendeteksian objek Mask R-CNN. Kemudian, data ketersediaan lahan parkir akan divisualisasikan kepada pengguna melalui aplikasi android. Sistem ini mampu menyediakan informasi ketersediaan lahan parkir secara real-time dengan latensi sebesar 1.4-2.2 detik dan mampu bekerja pada berbagai kondisi seperti variasi kondisi cahaya, sudut kamera, ataupun jumlah mobil terparkir.

---

Utilization of land for parking lots must be done optimally due to an increase in the number of vehicles every year and a decrease in the number of vacant land in urban areas. In addition, the concept of smart city also requires the government to increase effectiveness and efficiency of the urban service system including parking lot service providers. This system is designed to solve these problems by implementing image processing and object detection algorithms. The layout of parking lot obtained from the video input and each parking space will be mapped automatically by using one of 3 mapping modes, i.e. mapping by car, parking lines, or both. This mapping was done using Canny Edge Detection Algorithm, Hough Line Transform, and Mask R-CNN object detection framework. Then, the availability of parking space data will be visualized to users through the android application. This system is able to provide information on the availability of parking lots in real-time with latency of 1.4-2.2 seconds and is able to work in various conditions such as variations in light conditions, camera angles, or the number of parked cars."