Articles

Found 8 Documents
Search

PENGGUNAAN DUAL SENSOR LEAP MOTION CONTROLLER UNTUK SISTEM ISYARAT BAHASA INDONESIA (SIBI) Nugraha, Syaiful; Murti, Darlis Heru; Khotimah, Wijayanti Nurul
INFORMAL: Informatics Journal Vol 4 No 2 (2019): INFORMAL - Informatics Journal
Publisher : Faculty of Computer Science, University of Jember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.19184/isj.v4i2.12634

Abstract

Bahasa isyarat adalah bahasa yang dibentuk dengan kombinasi gerakan jari, tangan, tubuh serta ekspresi wajah yang digunakan oleh para penyandang disabilitas seperti tunarungu dan tunawicara. Salah satu pengenalan bahasa isyarat tersebut adalah pengenalan dengan menggunakan teknologi sensor Leap Motion Controller (LMC). Akan tetapi pada penerapannya, sensor LMC tidak selalu dapat mengenali semua jari dengan baik. Hal ini dikarenakan pembentukan dari bahasa isyarat yang saling bersentuhan antar jari, jari yang dilipat, tersembunyi ataupun terhalang oleh jari lainnya. Sehingga pada penelitian ini diusulkan penggunaan dual sensor LMC yang bertujuan untuk mencegah dan meminimalisir adanya kesalahan dalam mengenal bahasa isyarat dari jari yang dibentuk. Tahapan proses yang dilakukan adalah mendesain tata letak sensor LMC dan mengkombinasikan data fitur dari masing-masing sensor LMC baik yang bersifat statis dan dinamis yang kemudian diklasifikasikan menggunakan metode L-GCNN. Dari hasil pengujian yang dilakukan, penggunaan dual sensor LMC ini dapat mengenal isyarat SIBI yang diberikan. Skema yang terbaik adalah dengan mengacu pada tata letak multi sensor yang saling berhadapan membentuk sudut 120 derajat dengan tingkat akurasi sebesar 86,42%, dengan rata-rata akurasi dari keseluruhan skenario sebesar 84,36%. Adanya desain tata letak sensor LMC dan kombinasi penggabungan data fitur masing-masing sensor dapat meningkatkan akurasi pengenalan dengan rata-rata peningkatan mencapai 5,35%.
Aturan Asosiasi Dengan Standar Storet Pada Model Prediksi Parameter Pendukung Uji Kualitas Air Baku Purwitasari, Diana; Putri, Oktaviandra Pradita; Khotimah, Wijayanti Nurul
Journal of Information Systems Engineering and Business Intelligence Vol 1, No 1 (2015): April
Publisher : Program Studi Sistem Informasi, Fakultas Sains dan Teknologi, Universitas Airlangga

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (445.465 KB)

Abstract

Abstrak—Uji laboratorium tentang kualitas air baku pada penyediaan dan pengolahan air bersih memperhatikan parameter air terkait faktor fisika, kimia dan biologi. Analisis kualitas air di laboratorium membutuhkan waktu. Usulan sistem akan mempercepat waktu dengan menganalisis catatan dataparameter air yang ada dalam rekam data PDAM. Aturan asosiasi pada sistem digunakan untuk melihat hubungan antara parameter air yang didahului praproses dengan mengubah data numerik ke data kategorikal berdasarkan standar STOrage and RETrievalData Warehouse (STORET).Selanjutnya model prediksi parameter air yang dihasilkan dari data belajar akan diserderhanakan terlebih dahulu sebelum validasi model dengan data uji. Pengujian model menggunakan data belajar menunjukkan rata-rata akurasi 70% dengan minimal support-confidence 30% data. Hasil model hubungan parameter air menggunakan rekam data PDAM dapat menjadi pendukung kebijakan di daerah tersebut dalam penyediaan dan pengolahan air bersih sebelum dilakukan uji kualitas laboratorium. Tanpa ada uji laboratorium beberapa nilai parameter faktor kimia tidak dapat diketahui. Meskipun demikian aturan yang dihasilkan sistem usulan tanpa uji laboratorium dapat memberikan akurasi 80%-95% dengan asumsi missing valuesnilai faktor kimiasetelah dicek manual dari narasumber pemilik data. Data uji coba menggunakan dataset kecil untuk mempermudah cek manual. Kata Kunci— prediksi kualitas air, aturan asosiasi, storetAbstrak—Raw Water (Air Baku) laboratory analysis is testing physical, chemical and bacteriological characteristicsof water to ensure that water supply is clean, safe and ready for drinking water quality. Analyzing raw water quality in laboratorium needs more time. The proposed system could shorten the laboratory processing time by analyzing daily water production log. Association ruleinthe proposed system was used to generate relation model of water characteristicsfrom the data log provided by local government owned water utilities (PDAM, Perusahaan Daerah Air Minum). The data was transformed first from numerical data into categorical data using STOrage and RETrieval Data Warehouse (STORET)standard.Generated model needs to be simplified because some prediction rules could have the same interpretation. The generated parameter prediction modelwas sufficient to be used as the supporting data for any local policy made related to water supply and sanitationwithout additional costs from standard lab testing of water quality. Some water quality values of chemical characteristics need lab testing. Given the missing values of several chemical characteristics, the generated parameter prediction model still could give better accuracy of 80%-95%. Since PDAM staffmanually validated the generated model, the experiments used small data set.  Keywords— water quality prediction, association rule, storet
SEGMENTASI CITRA PANORAMIK GIGI MENGGUNAKAN SIMILARITAS ANTAR GRAY LEVEL BERDASARKAN INDEX OF FUZZINESS Pratamasunu, Gulpi Qorik Oktagalu; Arifin, Agus Zainal; Yuniarti, Anny; Wijaya, Arya Yudhi; Khotimah, Wijayanti Nurul; Navastara, Dini Adni
JUTI: Jurnal Ilmiah Teknologi Informasi Vol 14, No 1, Januari 2016
Publisher : Teknik Informatika, ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j24068535.v14i1.a513

Abstract

Metode segmentasi citra berdasarkan teori fuzzy dan similaritas antar gray level mampu mengatasi masalah ambiguitas gray level dan pencahayaan yang tidak merata yang biasa ditemui pada citra medis. Namun, segmentasi dengan penentuan initial seeds-nya berdasarkan jumlah piksel minimum menghasilkan citra yang kurang baik saat diterapkan pada citra dengan kontras yang rendah, seperti yang terdapat pada citra panoramik gigi. Pada penelitian ini diusulkan metode segmentasi citra panoramik gigi dengan penentuan initial seeds berdasarkan index of fuzziness terbesar pada histogram. Histogram dibagi kedalam tiga daerah berdasarkan posisi dari pusat fuzzy region. Kemudian, proses pengukuran similaritas antar gray level yang berada pada fuzzy region dilakukan untuk menemukan threshold yang optimal. Performa metode yang diusulkan diuji menggunakan citra panoramik gigi. Evaluasi performa dilakukan dengan menghitung nilai Misclassification Error antara citra hasil segmentasi dengan citra ground truth. Hasil evaluasi menunjukkan bahwa hasil segmentasi metode yang diusulkan pada citra panoramik gigi memiliki performa yang lebih baik dibandingkan dengan hasil segmentasi dari metode Otsu.
Integrasi Density-Based Clustering dan HMRF-EM Pada Ruang Warna HSI untuk Segmentasi Citra IkanTuna Azhar, Ryfial; Arifin, Agus Zainal; Khotimah, Wijayanti Nurul
Jurnal Inspiration Vol 6, No 1 (2016): Jurnal Inspiration Tahun VI Nomor 1
Publisher : Jurnal Inspiration

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Segematasi citra adalah tahapan yang penting dalam proses segmentasi citra ikan tuna. Namun, pada umumnya terdapat beberapa kendala yang sering dihadapi dalam proses segmentasi citra ikan seperti pencahayaan yang tidak seimbang, adanya noise, dan ketidakakuratan tepi objek yang dihasilkan setelah proses segmentasi. Pada penelitian ini diusulkan sebuah metode segmentasi citra ikan tuna baru dengan mengintegrasikan metode Density-Based Clustering (DBSCAN), Hidden Markov Random Field (HMRF), dan algoritma expectation-maximization (EM) pada ruang warna HSI. Metode ini terdiri dari tiga tahapan utama. Tahap Pertama ialah konversi ruang warna HSI. Tahap kedua ialah segmentasi menggunakan pengklasteran DBSCAN. Tahap terakhir ialah perbaikan tepi objek hasil segmentasi menggunakan HMRF-. Hasil uji coba menunjukkan bahwa metode yang diusulkan pada penelitian ini mencapai akurasi segmentasi sebesar 98%.
ALPHABET SIGN LANGUAGE RECOGNITION USING LEAP MOTION TECHNOLOGY AND RULE BASED BACKPROPAGATION-GENETIC ALGORITHM NEURAL NETWORK (RBBPGANN) Khotimah, Wijayanti Nurul; Saputra, Risal Andika; Suciati, Nanik; Hariadi, Ridho Rahman
JUTI: Jurnal Ilmiah Teknologi Informasi Vol 15, No. 1, Januari 2017
Publisher : Teknik Informatika, ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j24068535.v15i1.a639

Abstract

Sign Language recognition was used to help people with normal hearing communicate effectively with the deaf and hearing-impaired. Based on survey that conducted by Multi-Center Study in Southeast Asia, Indonesia was on the top four position in number of patients with hearing disability (4.6%). Therefore, the existence of Sign Language recognition is important. Some research has been conducted on this field. Many neural network types had been used for recognizing many kinds of sign languages. However, their performance are need to be improved. This work focuses on the ASL (Alphabet Sign Language) in SIBI (Sign System of Indonesian Language) which uses one hand and 26 gestures. Here, thirty four features were extracted by using Leap Motion. Further, a new method, Rule Based-Backpropagation Genetic Al-gorithm Neural Network (RB-BPGANN), was used to recognize these Sign Languages. This method is combination of Rule and Back Propagation Neural Network (BPGANN). Based on experiment this pro-posed application can recognize Sign Language up to 93.8% accuracy. It was very good to recognize large multiclass instance and can be solution of overfitting problem in Neural Network algorithm.
An Age Estimation Method to Panoramic Radiographs from Indonesian Individuals Yuniarti, Anny; Arifin, Agus Zainal; Wijaya, Arya Yudhi; Khotimah, Wijayanti Nurul
TELKOMNIKA (Telecommunication Computing Electronics and Control) Vol 11, No 1: March 2013
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1456.643 KB) | DOI: 10.12928/telkomnika.v11i1.905

Abstract

 Dental features can be considered as the best candidate feature for post-mortem identification. If ante-mortem data is unavailable, then forensic experts are needed for reducing the search space by creating post-mortem dental profiling. Age is one of important factors in dental profiling. Manual inspection of dental radiographs suffers from two drawbaks, i.e., intraobserver error and interobserver error. This paper proposed a semi-automatic system for age estimation. There are two phases in developing the proposed system, i.e., the modeling phase and the estimation phase. The modeling phase is the stage for deriving an estimation formula based on known data. In this paper, we use data taken from Javanese people. The estimation phase include the process of defining a Region of Interest (ROI), automatic length computation, and age estimation based on the derived modeling formula. Our experiments showed a promising result, i.e., an average absolute error of 5.2 years, compared to application of the Kvaal method to panoramic radiographs from Turkish individuals that yields a difference of more than 12 years.
Apakah kombinasi power lbp dan fourier descriptor dapat digunakan untuk klasifikasi citra kerang? Devi, Putri Aisyiyah Rakhma; Suciati, Nanik; Khotimah, Wijayanti Nurul
TEKNOLOGI: Jurnal Ilmiah Sistem Informasi Vol 6, No 2 (2016): July-December
Publisher : Universitas Pesantren Tinggi Darul 'Ulum (Unipdu) Jombang

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (648.795 KB) | DOI: 10.26594/teknologi.v6i2.768

Abstract

ABSTRAKPermasalahan pengklasifikasian secara manual biasanya terletak pada hasil akurasi dan waktu klasifikasi. Pengklasifikasi citra kerang pada umumnya dilakukan berdasarkan pada karakteristik bentuk dan tekstur cangkang kerang. Pengembangan perangkat lunak untuk pengklasifikasian secara otomatis diharapkan dapat meningkatkan hasil akurasi dan memperbaiki waktu klasifikasi. Pada penelitian ini bertujuan untuk mengkombinasikan fitur tekstur berbasis metode Power LBP dan fitur bentuk berbasis metode fourier descriptor yang digunakan untuk klasifikasi citra kerang.Citra input yang digunakan, sebelumnya telah melalui praproses dan  segmentasi untuk memisahkan objek dengan background. Citra objek yang sudah terpisah ditransformasi menjadi citra biner dan citra grayscale untuk proses ekstraksi fitur. Hasil dari kedua fitur yang sudah diperoleh akan dilakukan kombinasi dengan mempertimbangkan bobot masing-masing fitur yang kemudian dilakukan normalisasi. Dengan mengkombinasikan fitur tekstur dan fitur bentuk diharapkan memperoleh fitur yang signifikan yang dapat meningkatkan akurasi sebuah klasifikasi.Uji coba dilakukan pada 3 jenis dataset kerang yakni kerang darah, kerang pasir dan kerang bulu dengan menggunakan SVM cross validation dengan k=2 . Hasil uji coba menunjukkan bahwa ada keterkaitan antara mengkombinasikan fitur tekstur dan fitur bentuk pada permasalahan klasifikasi citra kerang dapat diperbaiki dengan hasil akurasi klasifikasi yang diperoleh sebesar 99,39% dengan fitur tekstur lebih dominan daripada fitur yang lainnya. Kata Kunci: citra kerang, ekstraksi fitur, fourier descriptor, klasifikasi, power LBP. ABSTRACTShells image classification are generally conducted based on the characteristics of the shape and texture of the shells. The problems of classification usually occur results of accuracy and timing classification. The software development for classification is expected to increase the yield of accuracy result and optimize the time of classification. In this study, we combine extracting texture features based Power LBP method and extracting shape features based Fourier Descriptor method for shells image classification.   The used input images had been conducted preprocessing  and segmentation to separate object and background using Otsu methods. The objects images that had been separated are transformed into a binary image and grayscale image for feature extraction process. Texture features are extracted using Power LBP (PLBP) method and grayscale image as input. Shape features are extracted using Fourier Descriptor (FD) method and binary image as input. The results of these two features will be combined by considering the weight of each feature and then normalized. Combines texture features and shape features, we expect to obtain significant features that can improve the accuracy of classification.Tests was performed on three types of shells dataset that is blood clams, mussels and scallops feather sand by using SVM cross validation with k = 2 fold. The results show that there is a link between features combine texture and shape features on the image classification problems that can be solved with the results obtained classification accuracy of 99.39% with a texture feature more dominant than the other features. Keywords: classification, feature extraction, Fourier Descriptor , Power LBP, Shellfish image.
Aturan Asosiasi Dengan Standar Storet Pada Model Prediksi Parameter Pendukung Uji Kualitas Air Baku Purwitasari, Diana; Putri, Oktaviandra Pradita; Khotimah, Wijayanti Nurul
Journal of Information Systems Engineering and Business Intelligence Vol 1, No 1 (2015): April
Publisher : Universitas Airlangga

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (445.465 KB) | DOI: 10.20473/jisebi.1.1.1-8

Abstract

Abstrak?Uji laboratorium tentang kualitas air baku pada penyediaan dan pengolahan air bersih memperhatikan parameter air terkait faktor fisika, kimia dan biologi. Analisis kualitas air di laboratorium membutuhkan waktu. Usulan sistem akan mempercepat waktu dengan menganalisis catatan dataparameter air yang ada dalam rekam data PDAM. Aturan asosiasi pada sistem digunakan untuk melihat hubungan antara parameter air yang didahului praproses dengan mengubah data numerik ke data kategorikal berdasarkan standar STOrage and RETrievalData Warehouse (STORET).Selanjutnya model prediksi parameter air yang dihasilkan dari data belajar akan diserderhanakan terlebih dahulu sebelum validasi model dengan data uji. Pengujian model menggunakan data belajar menunjukkan rata-rata akurasi 70% dengan minimal support-confidence 30% data. Hasil model hubungan parameter air menggunakan rekam data PDAM dapat menjadi pendukung kebijakan di daerah tersebut dalam penyediaan dan pengolahan air bersih sebelum dilakukan uji kualitas laboratorium. Tanpa ada uji laboratorium beberapa nilai parameter faktor kimia tidak dapat diketahui. Meskipun demikian aturan yang dihasilkan sistem usulan tanpa uji laboratorium dapat memberikan akurasi 80%-95% dengan asumsi missing valuesnilai faktor kimiasetelah dicek manual dari narasumber pemilik data. Data uji coba menggunakan dataset kecil untuk mempermudah cek manual. Kata Kunci? prediksi kualitas air, aturan asosiasi, storetAbstrak?Raw Water (Air Baku) laboratory analysis is testing physical, chemical and bacteriological characteristicsof water to ensure that water supply is clean, safe and ready for drinking water quality. Analyzing raw water quality in laboratorium needs more time. The proposed system could shorten the laboratory processing time by analyzing daily water production log. Association ruleinthe proposed system was used to generate relation model of water characteristicsfrom the data log provided by local government owned water utilities (PDAM, Perusahaan Daerah Air Minum). The data was transformed first from numerical data into categorical data using STOrage and RETrieval Data Warehouse (STORET)standard.Generated model needs to be simplified because some prediction rules could have the same interpretation. The generated parameter prediction modelwas sufficient to be used as the supporting data for any local policy made related to water supply and sanitationwithout additional costs from standard lab testing of water quality. Some water quality values of chemical characteristics need lab testing. Given the missing values of several chemical characteristics, the generated parameter prediction model still could give better accuracy of 80%-95%. Since PDAM staffmanually validated the generated model, the experiments used small data set.  Keywords? water quality prediction, association rule, storet