Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Analisis gerakan kinematik telah memberikan kontribusi wawasan berharga ke dalam ilmu fisiologi koordinasi gerakan. Analisis gerakan kinematik ini juga digunakan untuk menggambarkan kerusakan fungsi motorik yang spesifik secara rinci dan membantu untuk diagnosis klinis yang lebih baik. Sebagai teknik kuantitatif obyektif, beberapa aplikasi telah mengklaim untuk melacak perubahan dalam fungsi motorik dari waktu ke waktu lebih akurat daripada perangkat klinis. Gait Analysis manusia telah terbukti menjadi indikator penting kesehatan, yang berlaku dalam berbagai aplikasi, seperti diabetes, penyakit neurologis, dan prediksi jatuh. Gait Analysis pada penelitian ini diharapkan untuk menjadi sitem yang akurat, tidak mengganggu voluntir, dan low cost. Gait Analysis dalam kiprah klinis memiliki banyak aplikasi dalam diagnosis, pemantauan, pengobatan dan rehabilitasi. Tujuan dari penilitian ini adalah untuk merancang sebuah parameter pengukuran untuk rehabilitasi medik dengan menggunakan gait analysis. Pada penelitian ini, hasil classification learner untuk mendeteksi siklus stance dan swing memiliki akurasi sebesar 90 dan hasilclassification learner untuk mendeteksi apakah pola jalan voluntir normal atau tidak memiliki akurasi sebesar 94.4. ......The analysis of kinematic movements has contributed valuable insights into the physiology of movement coordination. It is also used to describe specific damage to motor function in detail and thereby increase the clinical diagnosis. As an objective quantitative technique, some applications have claimed to track changes in motor function over time more accurately than clinical ratings. Human gait analysis have proven to be an important indicator for a few application such as diabetic, neuro impairment and fall prediction. In this research, the parameter of gait analysis was made to be an accurate, easy to use and low cost system. There are lots of clinical applications on gait analysis such as in diagnosis, treatment, and rehabilitation. The purpose of this research is to design a parameter for medical rehabilitation using gait analysis. The result on classification that are used to detect the stance and swing cycle have an accuracy percentage of 90 and for the classification of walking abnormalities are 94.4

Abstrak :
Salah satu pergeseran paradigma terbesar dalam dunia kedokteran saat ini adalah pergeseran model pelayanan kesehatan dari disease-centric care menjadi patient-centric care. Bedah plastik rekonstruksi dan estetik menjadi spesialis kedokteran yang membutuhkan implementasi model tersebut, didorong oleh rendahnya tingkat konversi pasien di tahap pre-operatif, teknik operasi tanpa panduan di tahap intra-operatif, dan masih tingginya tingkat permintaan revisi operasi di tahap pasca-operatif. Saat ini, implementasi patient-centric care melalui penggunaan model spesifik-pasien, yaitu replika anatomis bagian wajah atau tubuh pasien yang dapat digunakan dokter sebagai simulator bedah dan alat visualisasi pasien, menjadi instrumen paling efektif dalam memecahkan masalah tersebut. Namun, model spesifik-pasien yang ada di pasaran saat ini masih menggunakan modalitas pemindai yang rumit, mahal, dan model spesifik-pasien masih sulit diakses khususnya untuk negara berkembang. Oleh karena itu, dalam skripsi ini penulis mengusulkan sebuah rancang bangun model spesifik-pasien yang dikhususkan pada bagian maxillofacial untuk pemandu operasi dengan metode pemindaian 3D berbasis smartphone dengan sensor TrueDepth™ dan pemodelan 3D berbasis Growing Neural Gas yang jauh lebih sederhana, murah, dan terjangkau. Akurasi model spesifik-pasien yang dirancang diukur nilai indeks similaritasnya sebesar 0,2101 terhadap topologi wajah subjek asli yang dinilai cukup akurat. ......One of the biggest paradigm shifts in medicine today is the shift in health care models from “disease-centric care” to “patient-centric care”. Plastic and aesthetic surgery become one of the medical field who urgently need this model implementation, driven by the low conversion rates of patients in pre-surgery phase, unguided surgery technique encountered in intra-operative phase, and high surgery revision demand in postoperative phase. Currently, patient-centric care implemented through patient-specific models, which is an anatomical replica of the patient's face or body which surgeons can use as a surgical simulator and patient visualization tool, this instrument proven to be the most effective in solving those mentioned problems. However, patient-specific models on the market today still use complex and expensive scanning modalities and the patient-specific models that are still difficult to access, especially in developing countries. Therefore, in this research the author propose a patient-specific model prototype for surgical guidance in maxillofacial region with 3D scanning methodology which utilized smartphone with TrueDepth™ sensor and Growing Neural Gas-based 3D modelling methodology which more simple, low-cost, and accessible. The accuracy of patient-specific model measured in similarity index against the subject’s real face topology resulted in the amount of 0,2101 which sufficiently accurate.

Abstrak :

Selama masa pandemi COVID-19, teknologi Automatic Speech Recognition (ASR) menjadi salah satu fitur yang sering digunakan pada komputer untuk mencatat di kelas online secara realtime. Teknologi ini akan bekerja dimana setiap suara yang muncul akan langsung dikenali dan dicatat pada halaman terminal. Dalam penelitian ini, model ASR Wav2Letter akan digunakan menggunakan CNN (Convolution Neural Network) dengan loss function CTC (Connectionist Temporal Classification) dan ASG (Auto Segmentation Criterion). Selama proses pembuatannya, berbagai hyperparameter acoustic model dan language model dari model ASR Wav2Letter terkait dengan implementasi batch normalization¸ learning-rate, window type, window size, n-gram language model, dan konten language model diuji pengaruh variasinya terhadap performa model Wav2Letter. Dari pengujian tersebut, ditemukan bahwa model ASR Wav2Letter menunjukkan performa paling baik ketika acoustic model menggunakan metode ASG dengan learning-rate 9 × 10−5 , window size 0.1, window type Blackman, serta 6-gram language model. Berdasarkan hasil akurasi WER CTC unggul 1,2% dengan 40,36% berbanding 42,11% dibandingkan ASG, namun jika dilihat lamanya epoch dan ukuran file model, loss function ASG memiliki keunggulan hampir dua kalinya CTC, dimana ASG hanya membutuhkan setengah dari jumlah epoch yang dibutuhkan oleh CTC yakni 24 epoch berbanding dengan 12 epoch dan ukuran file model ASG setengah lebih kecil dibandingkan CTC yakni 855,2 MB berbanding dengan 427,8 MB. Pada pengujian terakhir, model ASR Wav2Letter dengan loss function ASG mendapatkan hasil terbaik dengan nilai WER 29,30%. Berdasarkan hasil tersebut, model ASR Wav2Letter dengan loss function ASG menunjukkan perfoma yang lebih baik dibandingkan dengan CTC.

---

During the COVID-19 pandemic, Automatic Speech Recognition technology (ASR) became one of features that most widely used in computer to note down online class in real-time. This technology works by writing down every word in terminal from voice that is recognized by the system. ASR Wav2Letter model will use CNN (Convolutional Neural Network) with loss function CTC (Connectionist Temporal Classification) and ASG (Auto Segmentation Criterion). While developing Wav2Letter, various hyperparameter from acoustic model and language model is implemented such as batch normalization, learning rate, window type, window size, n-gram language model, and the content of language model are examined against the performance of Wav2Letter model. Based on those examination, Wav2Letter shows best performance when it uses ASG loss function learning rate 9 × 10−5 , window size 0.1, window type Blackman, and 6-gram language model. With that configuration, WER of CTC outplay ASG around 1.2% with 40.36% compare to 42,11%, but another parameter shows ASG are way more superior than CTC with less time epoch training which are 24 epoch for CTC against 12 epoch for ASG and the size of memory model shows CTC has bigger size than ASG with 855.2 MB against 427.8 MB. In the last test, ASR Wav2Letter model with ASG loss function get the best WER value around 29.3%. Based on those results, ASR Wav2Letter Model shows its best performance with ASG loss function than CTC.

Abstrak :
Perancangan model 3 Dimensi dari sebuah kampus untuk keperluan visualisasi lokasi dapat dilakukan dengan pemindaian secara 3 dimensi. 3D Gaussian Splatting merupakan teknik pemindaian objek 3 Dimensi menggunakan 3D Gaussian sebagai representasi data volumetric dari proses Structure-from-Motion yang di konversi menjadi splats sebagai representasi objek yang memiliki data warna dan intensitas yang membentuk sebuah citra digital dengan akurasi warna dan posisi, dan detail objek yang tinggi. Untuk melihat render dari 3D Gaussian viewer berbasis web yang dapat menggunakan library ThreeJS. Menggunakan metode 3D Gaussian Splatting sebuah model kampus virtual 3D dapat diciptakan dan dilihat melalui aplikasi web dengan library ThreeJS . Hasil dari pembuatan model 3D Gaussian Splatting tersebut adalah rata-rata waktu training 9,49 menit dan hasil dari pengembangan aplikasi web tersebut menghasilkan rata-rata framerate 111 FPS. ......Designing a 3 dimensional model of a campus for location visualization needs can be done using 3 dimensional scanning. 3D Gaussian Splatting is a 3 dimensional scanning technique using 3D Gaussians as a representation of volumetric data from Structure-from-Motion process that is converted into splats as the representation of objects with color and intensity that creates a digital view with high accuration of color, position, and object detail. To see the render of 3D Gaussian Splatting a web based viewer can be used using the ThreeJS library. Using the 3D Gaussian Splatting method a 3D model for virtual campus can be created and viewed using a web application by utilizing ThreeJS library. The result of creating the 3D model using 3D Gaussian Splatting is an average training time of 9,49 minutes and the result of the development of the web based application is an average framerate performance of 111 FPS.

Abstrak :
Denial of Service adalah salah satu serangan siber yang dapat mengakibatkan gangguan layanan dan kerugian finansial. Akibat dari serangan DoS tentunya akan memberikan dampak buruk dan sangat merugikan. Untuk dapat menanggulangi dan meminimalisir dampak serangan DoS, dirancanglah sebuah sistem deteksi serangan DoS dan klasifikasi serangan yang terjadi menggunakan machine learning. Pada penelitian ini, akan dilakukan perancangan sistem deteksi serangan DOS melalui pengumpulan traffic data yang dikumpulkan oleh Wireshark dan dikonversi menggunakan CICFlowMeter. Serangan DoS dilancarkan oleh GoldenEye, HULK, dan SlowHTTPTest. Pengklasifikasian diterapkan pada salah satu dataset pada CICIDS2017, menggunakan algoritma Random Forest, AdaBoost, dan Multi-layer Perceptron. Hasil akurasi klasifikasi tertinggi adalah Random Forest sebesar 99,68%, hasil rata-rata Cross-Validation tertinggi juga dipegang oleh Random Forest sebesar 99,67%, dan untuk perbandingan performa antara hasil algoritma yang dilakukan oleh penulis dan paper konferensi DDOS Attack Identification using Machine Learning Techniques yang menjadi acuan, hasil yang paling mendekati adalah Random Forest dengan besar yang sama. ......Denial of Service is a cyberattack that can result in service disruption and financial loss. The consequences of a DoS attack will certainly have a bad and very detrimental impact. To be able to overcome and minimize the impact of DoS attacks, a DoS attack detection system and classification of attacks that occur using machine learning was designed. In this research, a DOS attack detection system will be designed by collecting traffic data collected by Wireshark and converted using CICFlowMeter. DoS attacks were launched by GoldenEye, HULK, and SlowHTTPTest. Classification was applied to one of the datasets in CICIDS2017, using the Random Forest, AdaBoost, and Multi-layer Perceptron algorithms. The highest classification accuracy result is Random Forest at 99.68%, the highest average Cross-Validation result is also held by Random Forest at 99.67%, and for performance comparison between the algorithm results carried out by the author and the conference paper DDOS Attack Identification using Machine Learning Techniques are the reference, the closest result is Random Forest with the same size.

Abstrak :
Retinopati diabetik merupakan salah satu bentuk komplikasi diabetes melitus yang diekspresikan dengan adanya kerusakan pada pembuluh darah retina mata. Pada tahap awal, retinopati diabetik seringkali tidak menimbulkan gejala atau hanya menimbulkan gejala yang ringan. Namun, jika tidak mendapatkan penanganan yang baik, retinopati diabetik dapat menyebabkan kebutaan. Maka dari itu, akses skrining yang terjangkau menjadi esensial untuk mencegah efek jangka panjang dari penyakit ini. Penelitian ini berfokus pada pengembangan sistem deteksi retinopati diabetik berbasis deep learning yang bertujuan untuk meningkatkan aksesibilitas terhadap skrining retinopati diabetik. Model deteksi yang dibuat dalam penelitian ini yaitu model model berbasis Vision Transformer (ViT) B32 yang dibandingkan performanya dengan model convolutional neural network (CNN) berarsitektur DenseNet-121 dan. Model DenseNet-121 yang dilatih menggunakan gambar yang di-pre-process dengan teknik Ben Graham dan datanya di upsample memiliki performa terbaik dibandingkan teknik lainnya yang diteliti penelitian ini. Teknik pre-processing yang menghasilkan model CNN terbaik itu kemudian diimplementasikan pada model ViT untuk dibandingkan. Selain mengungguli model CNN, model ViT juga berhasil mengungguli model state of the art yang ada dengan nilai accuracy, precision, recall, dan f1-score masing-masing senilai 96%. Model ViT ini kemudian diintegrasikan dengan graphical user interface (GUI) untuk memudahkan dokter dalam memanfaatkan model yang diusulkan untuk skrining retinopati diabetik. ......Diabetic retinopathy is a complication of diabetes mellitus characterized by damage to the blood vessels of the retina. In its early stages, diabetic retinopathy often does not present symptoms or only causes mild symptoms. However, without proper treatment, diabetic retinopathy can lead to blindness. Therefore, affordable screening access is essential to prevent the long-term effects of this disease. This research focuses on the development of a deep learning-based detection system for diabetic retinopathy, aiming to enhance the accessibility of diabetic retinopathy screening. The detection model developed in this study is based on the Vision Transformer (ViT) B32 model, and its performance is compared with the DenseNet-121 convolutional neural network (CNN) architecture. The DenseNet-121 model, trained using images pre-processed with the Ben Graham technique and upsampled data, showed the best performance compared to other techniques investigated in this study. The pre-processing technique that yielded the best CNN model was then implemented on the ViT model for comparison. In addition to outperforming the CNN model, the ViT model also surpassed the existing state-of-the-art models with an accuracy, precision, recall, and F1-score of 96% each. This ViT model was subsequently integrated with a graphical user interface (GUI) to facilitate doctors in utilizing the proposed model for diabetic retinopathy screening.

Abstrak :
Dewasa ini, sering kita jumpai kemacetan yang luar biasa di jalan raya Salah satu solusi untuk menanggulangi kemacetan itu adalah dengan memperlebar ruas jalan. Untuk itu perlu dilakukan perhitungan jumlah kendaraan untuk mengetahui kelayakan ruas jalan dapat diperlebar atau tidak. Sampai saat ini perhitungan kendaraan masih dilakukan secara manual. Untuk mendapatkan hasil data yang lebih akurat, pada skripsi ini akan dirancang perhitungan kendaraan secara digital dengan menggunakan video melalui image processing. Simulasi Image processing menggunakan LabVIEW dan menggunakan metode perhitungan Crisp Set. Berdasarkan hasil simulasi dan perhitungan, maka sistem yang telah dirancang dapat melacak kendaraan yang bergerak (tracking object) di jalan raya dan menghitung jumlah kendaraan yang melewati ruas jalan raya.

---

Today, we often encounter tremendous congestion on the roadway. One solution to overcome the traffic jam is to widen the roads. It is necessary for the calculation of the number of vehicles to determine the feasibility of roads can be widened or not. Until now calculations vehicle is still done manually. To get the expected data, in this paper the calculation of the vehicle will be designed digitally using video through image processing. Based on the results of the simulation and calculation, it can track the moving vehicle (tracking object) on the roadway and count the number of vehicles passing through the roadway.

Abstrak :
ABSTRAK
Skripsi ini membahas mengenai pengukuran kecepatan kendaraan dengan melakukan pendekatan kepada program (software). Pengukuran ini dilakukan dengan video hasil rekaman. Dari video tersebut dijadikan acuan untuk mengolah data melalui beberapa proses di dalam program. Program dibuat dengan anggapan bahwa benda hanya akan bergerak menuju satu arah saja sehingga data posisi objek pada suatu frame akan dibandingkan dengan data posisi pada frame sebelumnya, sehingga program akan hanya mencatat data yang sesuai. Dengan demikian, diharapkan data yang telah diseleksi akan menghasilkan error yang lebih kecil. Program ini akan menghasilkan data nomor frame, posisi pixel dari edge dan perbedaan pixel dari frame sebelumnya. Adanya informasi yang bisa didapatkan dari sebuah data video ini bisa memberikan nilai tambah dari hanya sekedar sebuah data video. Untuk itu keakuratan hasil perhitungan kecepatan kendaraan perlu dihitung juga. Setelah mengolah data video ini dan mendapatkan hasil perbandingan hasil kecepatan secara real dan perhitungan program, tujuan ke depannya adalah untuk dikembangkan lebih lanjut lagi pada estimasi kecepatan kendaraan di dalam rekaman video lalu lintas.

---

ABSTRACT
This thesis discusses the measurement of the speed of the vehicle by approaching the program ( software ). This measurement is done with the video recordings. From the video made ​​reference to process data through several processes in the program. The program is made with the assumption that the object will only move towards one direction only so that the data object's position in a frame will be compared with data on the position of the previous frame, so that the program will only record the appropriate data. Thus, it is expected that the data has been selected to produce a smaller error. This program will generate the data frame number, the position of the edge pixel, and the pixel difference from the previous frame. The existence of information that can be obtained from a video data can provide added value than just a video data. For the accuracy of the results of the calculation speed of the vehicle needs to be calculated as well. After processing the video data and get the results of the comparison results in real speed and calculation of the program, the future goal is to be developed further to estimate the speed of the vehicle in the video recording of traffic.

Abstrak :
ABSTRAK Proses pemindaian dini saat ini masih dilakukan dengan Computed Tomography Scan atau Magnetic Resonance Imaging. Namun, alat pemindai tersebut memiliki biaya yang mahal dan ukuran yang besar. Pencitraan gelombang mikro merupakan salah satu teknik tomografi alternatif yang dapat menutupi kekurangan tersebut. Sementara itu, sistem pencitraan medis membutuhkan jumlah pengukuran yang cukup banyak untuk mendapatkan citra hasil rekonstruksi yang baik. Untuk mengurangi jumlah pengukuran, penelitian ini mengusulkan pendekatan Compressive Sensing CS untuk aplikasi pencitraan gelombang mikro. Proses pemindaian dilakukan pada perangkat lunak Computer Simulation Technology dengan objek uji berupa phantom kubus dua lapis dengan permitivitas yang berbeda. Agar sesuai dengan kerangka CS , matriks pembobotan Discrete Radon Transform dipilih sebagai matriks proyeksi. Discrete Cosine Transform dan Basis Pursuit dipilih sebagai matriks sparse dictionary dan algoritma rekonstruksi sinyal sparse. Pada proses pemindaian, jumlah translasi dan rotasi divariasikan untuk menguji kinerja CS. Data pengukuran S21 berhasil direkonstruksi menjadi citra dengan pendekatan CS. Hasil rekonstruksi menunjukkan bahwa penambahan jumlah translasi dan rotasi dapat meningkatkan kualitas citra hasil rekonstruksi, meskipun tidak terdapat hubungan yang linear antara keduanya. Secara kualitatif dan kuantitatif, citra hasil rekonstruksi menggunakan CS memiliki kualitas yang lebih baik dibandingkan dengan yang direkonstruksi menggunakan algoritma Filtered Back Projection dan Simultaneous Algebraic Reconstruction Technique. Sebagai tambahan, CS terbukti dapat merekonstruksi data pengukuran sebenarnya dari phantom fisik menjadi sebuah citra.

---

ABSTRACT
Early detection is still generally performed by using Computed Tomography scan or Magnetic Resonance Imaging. However, those modalities have high production costs and considerable size. Microwave Imaging is one of the alternative tomography techniques that can overcomes those aforementioned problems. Meanwhile, the medical imaging systems require a great amount of data measurements to obtain a good reconstructed image. In order to reduce the number of measurements, this research proposes a Compressive Sensing CS approach for microwave imaging application. The scanning process is conducted on Computer Simulation Technology software. A two layer cube phantom with different permittivity is used as the scanned object. To meet the framework of CS, weight matrix of Discrete Radon Transform is utilized as projection matrix. Discrete Cosine Transform and Basis Pursuit are selected as sparse dictionary matrix and sparse reconstruction algorithm respectively. In the data acquisition process, the number of translations and rotations is varied to test the performance of CS. The measured S21 data are successfully reconstructed by CS approach into an image. The reconstruction results show that adding the number of translations and rotations can improve the quality of the reconstructed image, although there is no linear relationship between them. Qualitatively and quantitatively, the image reconstructed using CS has a better quality compared to that reconstructed using Filtered Back Projection and Simultaneous Algebraic Reconstruction Technique algorithm. In addition, CS is proved to be able to reconstruct the real measurement data from the physical phantom into an image

Abstrak :
Meningkatnya penggunaan pencitraan dalam bidang medis mendorong perkembangan metode dan modalitas baru yang aman, murah dan cepat. Electrical Impedance Tomography (EIT) merupakan salah satu pengembangan dalam pencitraan medis yang mampu memberikan pencitraan yang aman tanpa radiasi. Permasalahan utama dari sistem EIT adalah diperlukannya algoritma yang kompleks untuk melakukan pencitraan dengan hasil yang memiliki resolusi rendah. Penelitian diharapkan dapat menyediakan rangkaian EIT sederhana sehingga dapat dengan mudah digunakan dan dikembangkan. Penelitian dilakukan dengan cara merancang dan membangun sistem pencitraan EIT berbasis MATLAB dan Arduino yang kemudian diuji terhadap beragam skenario objek pengamatan. Hasil pencitraan yang dihasilkan menunjukkan bahwa sistem mampu merepresentasikan berbagai variasi struktur dari objek pengamatan. Pengukuran impedansi pada sistem EIT dilakukan menggunakan metode two-point technique menggunakan 8 elektrode dan 16 elektrode pada frekuensi 50 kHz. Objek pengamatan utama pada pengujian sistem merupakan gelas acrylic yang diisi oleh air keran dengan nilai TDS (Total Dissolved Solids) sebesar 300 ppm. Sistem pencitraan EIT yang dirancang dan dibangun dapat melakukan pencitraan terhadap objek pengamatan menggunakan sistem yang sederhana.

---

The rise of imaging in medical field has boost the progress of new imaging method and modality that area safer, cheaper, and faster. Electrical Impedance Tomography (EIT) is one of such modality that provide safe medical imaging through non ionizing method. The downside of the EIT method is the complex algorithm needed to produce imaging result and low resolution. This study hope to provide a simple EIT imaging system that are easily used and developed. The proposed system designed in this study is a MATLAB and Arduino based imaging system which are then tested under several observation object scenario. The imaging results that are produced by the system are able to represent the varying observational objects structure. Impedance measurement method that is implemented in the proposed system is a two-point technique using 8 electrode and 16 electrode with a frequency of 50 kHz. The main observation object of this system is an acrylic cup filled with tap water that has a TDS (Total Dissolved Solids) of 300 ppm. The resulting EIT imaging system is a simple system that are able to produce imaging results based on the observation object.