Abstract:Abstract: Abstract: this study evaluates and compares the performance of two edge detection methods Sobel method and Canny method on batik image. Batik images have unique characteristics and complex patterns, making it…
difficult to analyze the edges. This study presents a comparison of the results using sobel and canny edge detection methods on batik kawung images both from peak signal-to-noise reatio and from mean squared error. The results showed that canny edge detection was better than sobel method. This can be seen from the results of PSNR and MSE that is 100%. This analysis is determined by considering factors such as the accuracy of edge detection, sensitivity to noise, and the ability to handle the complexity of batik drawing patterns. The results of this study provide a detailed description of the advantages and disadvantages of each method in the image of batik kawung. The conclusions that can be drawn from this study can provide valuable guidance for choosing the optimal edge detection method in image analysis of batik kawung and others.
Keywords: batik kawung; canny; MSE; PSNR; sobel
Abstrak: Penelitian ini mengevaluasi dan membandingkan kinerja dua metode deteksi tepi metode Sobel dan metode Canny pada citra batik. Gambar batik mempunyai ciri-ciri yang unik dan pola yang kompleks, sehingga menyulitkan analisis tepian. Penelitian ini menyajikan perbandingan hasil menggunakan metode deteksi tepi sobel dan canny pada citra batik kawung baik dari peak signal-to-noise reatio maupun dari mean squared error. Hasil penelitian ini menunjukkan bahwa deteksi tepi canny lebih baik dibandingkan dari metode sobel. Hal ini dapat dilihat dari hasil PSNR dan MSE yang dihasilkan yaitu 100%. Analisis ini ditentukan dengan mempertimbangkan faktor-faktor seperti keakuratan deteksi tepi, kepekaan terhadap noise, dan kemampuan menangani kompleksitas pola gambar batik. Hasil penelitian ini memberikan gambaran secara detail mengenai kelebihan dan kekurangan masing-masing metode pada citra batik kawung. Kesimpulan yang dapat diambil dari penelitian ini dapat memberikan panduan berharga untuk memilih metode deteksi tepi yang optimal dalam analisis citra batik kawung dan yang lainnya.
Kata kunci: batik kawung; canny; MSE; PSNR; sobel
Abstract:Abstract: Facial recognition is widely used in areas such as video surveillance and database management. Facial images have been used as a preferred biometric feature in many identity recognition systems to obtain good image…
mage results in image segmentation. A good image must pay attention to several factors, namely high resolution, good contrast, image sharpness, consistent colors, lack of noise and appropriate lighting conditions. In this face recognition research, using canny edge detection method for 10 original images paired with 10 other images. The original faces taken are male and female. Canny edge detection has a low error rate in image segmentation compared to other edge detections. The purpose of this study is to determine the edge of the image in I-rat and can display the results of a good segmentation of facial images. The results of the test data with data stored in the database in the study is 1 face image produces 67.69% accuracy and 26.92% and 8 other face images produce 100% accuracy. The average success rate of 10 experiments using image segmentation is 89.461%. In conclusion, the canny edge detection method can provide accurate results in the face recognition process.
Keywords: accuracy; canny edge detection; face recognition; image; segmentation
Abstrak : Pengenalan wajah banyak digunakan dalam diberbagai bidang seperti pengawasan video dan manajemen basis data. Gambar wajah telah digunakan sebagai ciri biometrik yang disukai di banyak sistem pengenalan identitas untuk mendapatkan hasil citra yang bagus dalam segmentasi citra. Citra yang baik harus memperhatikan beberapa faktor yaitu resolusi tinggi, kontras yang baik, ketajaman citra, warna yang konsisten, kurangnya noise dan kondisi pencahayaan yang sesuai. Pada penelitian pengenalan wajah ini, menggunakan metode deteksi tepi canny untuk 10 citra asli yang dipasangkan dengan 10 citra lainnya. Wajah asli yang diambil berjenis kelamin laki-laki dan perempuan. Deteksi tepi canny memiliki tingkat kesalahan rendah dalam segmentasi citra dibandingkan dengan deteksi tepi lainnya. Tujuan dari penelitian ini adalah menentukan tepi gambar secara akurat dan dapat menampilkan hasil segmentasi citra wajah yang baik. Hasil dari data uji dengan data yang tersimpan di database dalam penelitian adalah 1 citra wajah menghasilkan akurasi 67,69% dan 26,92% dan 8 citra wajah lainnya menghasilkan akurasi 100%. Rata-rata tingkat keberhasilan dari 10 kali percobaan dengan menggunakan segmentasi citra adalah 89,461%. Kesimpulan, metode deteksi tepi canny dapat memberikan hasil yang akurat dalam proses pengenalan wajah.
Kata Kunci : akurasi; deteksi tepi canny; citra; pengenalan wajah; segmentasi
Abstract:Abstract: Gross Regional Domestic Product (GRDP) is one of the most important socio-economic indicators. In order to gain a more comprehensive understanding of the current economic situation and regional differences, estimating…
imating GRDP using integration of satellite imagery and official statistics data can provide valuable information. This research estimates the GRDP value in 2022 by using data in 2019 to 2021 related to two aspects, agriculture and non-agriculture. Soil adjusted vegetation index (SAVI), enhanced vegetation index (EVI), and land cover (LC) used as agriculture aspect, while nighttime light (NTL), human settlement index (HSI), land area, and population per regency/city used as non-agriculture aspect. GRDP estimation are produced with machine learning approach using support vector machine (SVM) and random forest (RF) method. Correlation test on each variable shows only land area that does not have a significant correlation with GRDP. RF model then chosen as the best model with RMSE, MSE, MAE, and R2 value of 0.2549; 0.5049; 0.7727; and 0.2543, respectively. The estimated values acquired in several regencies/cities have rather near, some even very close to the official statistics values.
Keywords: GRDP; satellite imagery; machine learning; random forest; support vector machine
Abstrak: Produk Domestik Regional Bruto (PDRB) merupakan salah satu indikator sosio-ekonomi yang penting. Penghitungan nilai PDRB dengan pendekatan yang melibatkan kombinasi data citra satelit dan statistik resmi dapat memberikan informasi serta pemahaman yang lebih komprehensif. Penelitian ini melakukan estimasi nilai PDRB pada tahun 2022 menggunakan data tahun 2019 hingga 2021 dengan melibatkan dua aspek, agrikultur dan non-agrikultur. Data soil adjusted vegetation index (SAVI), enhanced vegetation index (EVI), dan tutupan lahan (land cover/LC) digunakan sebagai aspek agrikultur, sementara data citra cahaya malam (NTL), human settlement indeks (HSI), luas wilayah kabupaten/kota, dan jumlah populasi per kabupaten/kota digunakan sebagai aspek non-agrikultur. Estimasi PDRB dihasilkan dengan menggunakan pendekatan machine learning berupa support vector machine (SVM) dan random forest (RF). Pengecekan korelasi antarvariabel menunjukkan bahwa hanya variabel luas wilayah tidak berpengaruh signifikan terhadap nilai PDRB. Model random forest kemudian dipilih sebagai model terbaik dengan nilai evaluasi RMSE, MSE, MAE, dan berturut-turut sebesar 0.2549, 0.5049, 0.7727, dan 0.2543. Nilai estimasi yang diperoleh di beberapa kabupaten/kota cukup mendekati, bahkan ada yang sangat dekat dengan nilai statistik resmi.
Kata kunci: PDRB; citra satelit; machine learning; random forest; support vector machine
Abstract:Abstract: This research aims to develop a method for detecting leaf spot disease in oil palm seedlings using Convolutional Neural Network (CNN). Leaf spot disease in oil palm seedlings can hinder growth and production. CNN…
NN has proven effective in image processing and classification, particularly in plant disease detection. In this study, we utilized a dataset of images containing oil palm seedling leaves infected with leaf spot disease and healthy leaves. We performed data processing, built a CNN model, and conducted hyperparameter tuning. The test results demonstrate that the developed CNN model achieves high accuracy in recognizing and distinguishing between oil palm seedling leaves infected with leaf spot disease and healthy ones. This research contributes to the development of plant disease detection technology that can support economic growth in the oil palm plantation sector.
Keywords: Convolutional Neural Network, image processing, leaf spot disease detection, oil palm seedlings.
Abstrak: Penelitian ini bertujuan untuk mengembangkan metode deteksi penyakit bercak pada bibit kelapa sawit menggunakan Convolutional Neural Network (CNN). Bibit kelapa sawit yang terinfeksi penyakit bercak dapat menghambat pertumbuhan dan produksi kelapa sawit. Metode CNN telah terbukti efektif dalam pengolahan citra dan klasifikasi, khususnya dalam deteksi penyakit pada tanaman. Dalam penelitian ini, kami menggunakan dataset citra daun bibit kelapa sawit yang terinfeksi penyakit bercak dan yang normal. Kami melakukan processing data, membangun model CNN, dan melakukan tuning hyperparameter. Hasil pengujian menunjukkan bahwa model CNN yang dikembangkan memiliki akurasi yang tinggi dalam mengenali dan membedakan citra daun bibit kelapa sawit yang terinfeksi penyakit bercak dan yang normal. Penelitian ini memberikan kontribusi dalam pengembangan teknologi deteksi penyakit tanaman yang dapat mendukung pertumbuhan ekonomi di sektor perkebunan kelapa sawit.
Kata kunci: bibit kelapa sawit, Convolutional Neural Network, deteksi penyakit bercak, pengolahan citra.
Abstract:Abstract: In the human body there are parts that act as tools for tearing and tearing food which are commonly called teeth, teeth are sharp and hard parts of the body. Dental caries is the medical term for cavities, dental…
al caries is an infectious disease that damages the hard lining of the teeth. The presence of bacteria or germs found in the oral cavity causes cavities in the teeth. Medical images are useful for seeing the extent of the damage to cavities. Not all images have good quality detection results or have noise. Therefore, Image Processing is used by applying the Canny and Sobel method of edge detection to an image in order to process the results of segmentation and object identification in dental caries images. There are many operators in edge detection, including the Roberts Operator, Prewitt Operator, Laplacian Operator and Laplacian of Gaussian (LOG). The purpose and benefits of establishing an image processing application using Matlab software with the Canny and Sobel method to produce the appearance of an object's boundary line in an image. The results of this study can be concluded from the two operators regarding the advantages and disadvantages of the two operators.
Keywords: dental caries; edge detection; image; matlab; canny method; sobel method
Abstrak: Pada tubuh manusia ada bagian yang berperan sebagai alat untuk merobek dan mengoyak makanan yang biasa disebut dengan gigi, gigi merupakan bagian tubuh yang tajam dan keras. Karies gigi adalah istilah medis dari gigi berlubang, karies gigi merupakan penyakit infeksi yang merusak jaringan lapisan keras gigi. Adanya bakteri atau kuman yang terdapat pada rongga mulut menjadi penyebab gigi menjadi berlubang. Citra medis berguna untuk melihat sejauh apa kerusakan pada gigi yang berlubang. Tidak semua citra memiliki hasil pendeteksian yang bagus kualitasnya atau memiliki derau (noise). Oleh sebab itu digunakanlah Pengolahan Citra dengan menerapkan deteksi tepi metode Canny dan Sobel pada suatu citra guna untuk memproses hasil segmentasi dan identifikasi objek pada citra karies gigi. Ada banyak operator dalam deteki tepi, diantaranya yaitu, Operator Roberts, Operator Prewitt, Operator Laplacian dan Laplacian of Gaussian (LOG). Tujuan dan manfaat dari dibentuknya sebuah aplikasi pengolahan citra menggunakan software Matlab dengan metode Canny dan Sobel untuk menghasilkan penampakan garis batas suatu objek pada citra. Hasil dari penelitian ini dapat disimpulkan dari kedua operator mengenai kelebihan dan kekurangan dari kedua operator tersebut.
Kata kunci: citra; deteksi tepi; karies gigi, matlab, metode canny, metode sobel
Abstract:Abstract: Drug abuse in Indonesia is currently very worrying because of the lack of information and knowledge about the risks posed by drug abuse. Much information about drug abuse prevention is disseminated through various…
ous media such as films, seminars, training, and guidance groups. This study aims to create drug counseling media that uses 3D technology and is created through the Blender 3D tool, by combining text, audio, and video. 3D models of Image objects are represented by Augmented Reality (AR) technology. Application development is made using the MDLC (Multimedia Development Life Cycle) method. The results of this study are the development of an Augmented Reality application for social media for drug abuse using the Trilib Technique, which is a cross-platform 3D model importer.
Keywords: Augmented Reality; Drugs; Blender; Trilib; MDLC
Abstrak: Penyalahgunaan narkoba di Indonesia saat ini sangat mengkhawatirkan karena kurangnya informasi dan pengetahuan tentang risiko yang ditimbulkan oleh penyalahgunaan narkoba. Banyak informasi tentang pencegahan penyalahgunaan narkoba disebarkan melalui berbagai media seperti film, seminar, pelatihan, dan kelompok bimbingan. Penelitian ini bertujuan untuk menciptakan media penyuluhan narkoba yang menggunakan teknologi 3D dan dibuat melalui perangkat Blender 3D, dengan menggabungkan teks, audio, dan video. Model 3D objek figur direpresentasikan dengan teknologi Augmented Reality (AR). Pengembangan aplikasi dibuat dengan menggunakan metode MDLC (Multimedia Development Life Cycle). Hasil pada penelitian ini merupakan sebuah pengembangan aplikasi Augmented Reality untuk media sosialiasi penyalahgunaan narkoba dengan menggunakan Teknik Trilib yang merupakan importir model 3d secara runtime dengan lintas platform.
Kata kunci: Augmented Reality; Narkoba; Blender; Trilib; MDLC
Abstract:Abstract: Generating caption image automatically is one of the challenges in computer vision. This field can be very helpful in many ways, for example search engines. Currently there are many image classification algorithms…
hms that we can use to create a caption image model. In this article, we will compare performance between the Resnet50 and InceptionV3 models for text images. We will use 2000 (1800 train & 200 validation) image data and each image has 5 example captions to train the model. After the model is successfully created, we evaluate the model using 100 images and each image has 5 examples of additional captions that are not used in the training and validation process. The result of this research is that the InceptionV3 model is better than Resnet50. BLEU-1 is 0.53, BLEU-2 is 0.35, BLEU-3 is 0.18, BLEU-4 is 0.09, and METEOR is 0.35 for InceptionV3 model. While Resnet50 model has a value of BLEU-1 is 0.51, BLEU-2 is 0.31, BLEU-3 is 0.16, BLEU-4 is 0.06, and METEOR is 0.33.
Keywords: caption image; inceptionv3; LSTM; resnet50
Abstrak: Membuat gambar teks secara otomatis adalah salah satu tantangan dalam computer vision. Bidang ini bisa sangat membantu dalam banyak hal, misalnya mesin pencari. Saat ini banyak sekali algoritma klasifikasi citra yang dapat kita gunakan untuk membuat model teks citra. Pada artikel ini, kami akan membandingkan performa antara model Resnet50 dan InceptionV3 untuk gambar teks. Kami akan menggunakan 2000 (1800 train & 200 validation) data gambar dan setiap gambar memiliki 5 contoh caption untuk melatih model. Setelah model berhasil dibuat, kami mengevaluasi model menggunakan 100 gambar dan setiap gambar memiliki 5 contoh caption tambahan yang tidak digunakan dalam proses training dan validation. Hasil dari penelitian ini adalah model InceptionV3 lebih baik dibandingkan dengan Resnet50. BLEU-1 0.53, BLEU-2 0.35, BLEU-3 0.18, BLEU-4 0.09, dan METEOR 0.35 untuk model InceptionV3. Sedangkan model Resnet50 memiliki nilai BLEU-1 0.51, BLEU-2 0.31, BLEU-3 0.16, BLEU-4 0.06, dan METEOR 0.33.
Kata kunci: caption image; inceptionv3; LSTM; resnet50
Abstract:Abstract: Traffic accidents are one of the biggest contributors to injuries and fatalities worldwide. Victims of traffic accidents range from minor injuries to severe injuries and even death. The severity of many accidents…
ts is often due to a lack of discipline and public awareness of traffic rules and safety measures. Car manufacturers have attempted to mitigate the effects of accidents by providing seat belts. However, many people neglect to use them, thinking that nothing will happen while driving. Even with fines imposed by authorities, people can outsmart them by removing their seat belts when officers are not around. To address this issue, a model has been developed to monitor drivers using artificial intelligence and computer vision. The camera captures images, which are then processed by a neural network trained with the YOLOv5 algorithm. The model has an average precision of 89% and a recall of 81%, and can accurately detect whether drivers are wearing seat belts or not. This model is expected to aid in improving driver and passenger safety on the roads. By paying attention to the use of seat belts, the severity of injuries sustained in accidents can be reduced.
Keywords: computer vision; neural network; seatbelt detection; yolo
Abstrak: Kecelakaan lalu lintas merupakan salah satu penyumbang terbesar cedera dan kematian di seluruh dunia. Korban kecelakaan lalu lintas tidak hanya mengalami cedera ringan, tetapi juga cedera berat bahkan kematian. Parahnya banyak kecelakaan yang terjadi dapat disebabkan oleh kurangnya disiplin dan kesadaran masyarakat akan aturan lalu lintas serta tindakan keselamatan. Produsen mobil telah berusaha untuk mengurangi efek kecelakaan dengan menyediakan sabuk pengaman. Sayangnya, masih banyak orang yang mengabaikan penggunaannya, dengan menganggap bahwa tidak akan terjadi apa-apa saat mengemudi. Meskipun ada denda yang diberlakukan oleh pihak berwenang, orang masih dapat melepaskan sabuk pengaman ketika tidak ada petugas di sekitar. Untuk mengatasi masalah ini, sebuah model telah dikembangkan untuk memantau pengemudi menggunakan kecerdasan buatan dan visi komputer. Kamera mengambil gambar yang kemudian diproses oleh jaringan saraf yang dilatih dengan algoritma YOLOv5. Model ini memiliki presisi rata-rata sebesar 89% dan recall sebesar 81%, dan dapat dengan akurat mendeteksi apakah pengemudi menggunakan sabuk pengaman atau tidak. Model ini diharapkan dapat membantu dalam menangani masalah keselamatan pengemudi dan penumpang di jalan raya. Dengan memperhatikan penggunaan sabuk pengaman, dapat mengurangi tingkat keparahan cedera yang terjadi dalam kecelakaan.
Kata kunci: computer vision; deteksi sabuk pengaman; neural network; yolo
Abstract:Abstract: Gender classification is one of the most important tasks of video analysis. A machine learning-based approach was presented to identify male and female facial images with a data set of 2000 images taken from kaggles. …
ggles. This method plays a role in finding the weight value that gives the best output value. This study uses the most appropriate learning rate of each optimization method as a criterion for stopping training. The results showed that the Artificial Neural Network with Adam optimization produced the highest accuracy, which was 91.5% compared to the SGD and ADADELTA optimization methods. Deep Learning techniques that are applied extensively to image recognition used utilize Adam's optimizer method.
Keywords: artificial neural networks; adadelta; adam; gender; sgm;
Abstrak: Klasifikasi gender adalah salah satu tugas analisis video yang paling penting. Pendekatan berbasis machine learning disajikan untuk mengidentifikasi gambar wajah Pria dan Wanita dengan kumpulan data sebanyak 2000 gambar yang diambil dari kaggle. Metode ini berperan dalam menemukan nilai bobot yang memberikan nilai keluaran terbaik. Penelitian ini menggunakan learning rate yang paling sesuai dari masing-masing metode optimasi sebagai kriteria pemberhentian pelatihan. Hasil penelitian menunjukkan Jaringan Saraf Tiruan dengan optimasi Adam menghasilkan akurasi tertinggi yaitu 91,5 % dibandingkan dengan dengan metode optimasi SGD dan ADADELTA. Teknik Deep Learning yang diterapkan secara ekstensif pada pengenalan gambar yang digunakan memanfaatkan metode optimizer Adam.
Kata kunci: Adadelta; Adam; Jaringan Syaraf; Gender; Tiruan; SGM;
Abstract:Abstract: l -The field of computer vision is research in development technology to obtain information from images and replicate or imitate human visual processes, so that they can understand the objects around them. Deep…
learning is a term used to describe a new era in learning that supports computer learning from big data machines. Convolutional Neural Networks (CNN) algorithms have made significant progress in the fields of object detection, image classification, and semantic segmentation. ;Object detection is a technique used to identify the type of object in a given image and the location of the object in the image. The field of computer vision is research in development technology to obtain information from images and replicate or imitate human visual processes, so that computers can know objects around them. Deep learning is the buzzword as a new era in machine learning that trains computers to find patterns from large amounts of data. Convolutional Neural Networks (CNN) algorithms have made significant progress in the fields of object detection, image classification, and semantic segmentation. Object detection is a technique used to identify the type of object in a particular image as well as the location of the object in the image.
Keywords: CNN, Computer Vision, Deep Learning, Face Detection;
Abstrak: 1 Bidang computer vision merupakan penelitian dalam teknologi pembangunan untuk memperoleh informasi dari citra dan mereplikasi atau meniru proses visual manusia, sehingga dapat memahami objek - objek disekelilingnya. Pembelajaran mendalam adalah istilah yang digunakan untuk menggambarkan era baru dalam pembelajaran mesin yang memungkinkan komputer belajar dari sejumlah besar data. [Algoritma Convolutional Neural Networks (CNN) telah membuat kemajuan yang signifikan di bidang deteksi objek, klasifikasi gambar, dan segmentasi semantik. Deteksi objek adalah teknik yang digunakan untuk mengidentifikasi jenis objek dalam citra yang diberikan serta lokasi objek di dalam citra. Bidang computer vision merupakan penelitian dalam teknologi pembangunan untuk memperoleh informasi dari citra dan mereplikasi atau meniru proses visual manusia, sehingga komputer dapat mengetahui objek - objek disekelilingnya. Deep learning adalah kata kunci sebagai era baru dalam machine learning yang melatih komputer dalam menemukan pola dari jumlah besar data. Algoritma Convolutional Neural Networks (CNN) telah membuat kemajuan yang signifikan di bidang deteksi objek, klasifikasi gambar, dan segmentasi semantik. /Deteksi objek adalah teknik yang digunakan untuk mengidentifikasi jenis objek dalam citra tertentu serta lokasi objek di dalam citra.
Kata kunci: CNN, Computer Vision, Deep Learning, Deteksi Wajah