M. Isa Irawan
Institut Teknologi Sepuluh Nopember, Surabaya

Published : 7 Documents
Articles

Found 7 Documents
Search

VIRTUAL POINTER UNTUK IDENTIFIKASI ISYARAT TANGAN SEBAGAI PENGENDALI GERAKAN ROBOT SECARA REAL-TIME

Jurnal Informatika Vol 9, No 1 (2008): MAY 2008
Publisher : Institute of Research and Community Outreach - Petra Christian University

Show Abstract | Original Source | Check in Google Scholar | Full PDF (467.837 KB)

Abstract

Many previous researches have been done in relation to human-robot interface, which is an interaction between human and robot using hand gesture. Hand gesture that is used in this research is a moving hand gesture with pointing position. The most important factor to identify hand gesture is the ability to differentiate hands with other objects based on the skin colour. A method to detect hand skin colour is using Fuzzy C-Means (FCM) which can refine a cluster centre and the membership value of each data iteratively by minimizing objective function. Hence, the cluster centre moves to the correct location. Recognition result with moving detection method was able to detect the movement of a moving object 91.07944% in 1 second. Skin detection using FCM was able to segment skin colour and not the skin in real time with the successful rate 90.2834%. The successful rate of the hand gesture pattern identification using rule base is 86.67%. The successful rate of virtual hand writing using LVQ artificial neural network as a command for controlling a robot is 79.2%. Abstract in Bahasa Indonesia : Banyak penelitian sebelumnya berrhubungan dengan human robot interface, interaksi manusia dengan robot menggunakan isyarat tangan sebagai bahasa tubuh manusia. Isyarat tangan yang digunakan dalam penelitian ini adalah isyarat tangan bergerak yang berposisi menunjuk untuk identifikasi isyarat tangan, faktor yang paling penting adalah kemampuan membedakan tangan dengan obyek lain berdasarkan warna kulitnya. Metode untuk mendeteksi warna kulit tangan adalah Fuzzy C-Means (FCM) yang memiliki kemampuan memperbaiki pusat cluster dan nilai keanggotaan tiap data secara berulang dengan meminimumkan fungsi obyektif, sehingga pusat cluster akan bergerak menuju lokasi yang tepat. Hasil pengenalan dengan metode moving detection, mampu mendeteksi pergerakan obyek bergerak. secara baik sebesar 91.07944% dalam 1 detik. obyek Skin detection dengan Fuzzy C-Means (FCM) mampu melakukan segmentasi warna kulit dan bukan kulit secara real-time dengan tingkat keberhasilan. 90.2834% Identifikasi pola isyarat tangan dengan rule base tingkat keberhasilannya 86.67%. Identifikasi hasil virtual hand writing menggunakan jaringan syaraf tiruan metode LVQ sebagai perintah untuk mengendalikan robot tingkat keberhasilannya mencapai 79.2%. Kata Kunci : virtual pointer , Fuzzy C-Mean (FCM), jaringan syaraf tiruan LVQ

Pengenalan Ucapan Kata Sebagai Pengendali Gerakan Robot Lengan Secara Real-Time dengan Metode Linear Predictive Coding – Neuro Fuzzy

Jurnal Sains dan Seni ITS Vol 1, No 1 (2012): Jurnal Sains dan Seni ITS (ISSN 2301-928X)
Publisher : Jurnal Sains dan Seni ITS

Show Abstract | Original Source | Check in Google Scholar

Abstract

Sejak beberapa dekade terakhir ini, peran robot dalam industri maupun kehidupan sehari-hari semakin meningkat. Hampir tidak ada cabang industri teknologi tinggi yang tidak dibantu robot. Dalam kehidupan sehari-hari, berbagai bentuk robot diciptakan untuk membantu atau memudahkan aktivitas manusia. Namun seiring dengan tingkat kebutuhan manusia terhadap robot, tingkat resiko kesulitan manusia dalam menggunakan teknologi tersebut semakin tinggi.  Hal ini ditunjukkan dengan banyaknya kecelakaan akibat tidak adanya teknologi yang memudahkan manusia dalam berinteraksi dengan robot secara interaktif. Pada umumnya robot-robot tersebut dikendalikan melalui input keyboard dari Personal Computer (PC) atau remote control analog, dan bukan melalui suara ucapan. Oleh karena itu perlu dirancang suatu robot yang bergerak sesuai perintah suara ucapan. Jika suara ucapan digunakan untuk mengendalikan suatu robot, maka sistem yang dipakai harus berjalan secara realtime sehingga robot dapat dikendalikan secara interaktif. Pada tugas akhir ini akan dikembangkan sebuah suatu perangkat lunak sistem pengenalan suara menggunakan metode Linear Predictive Coding (LPC)  dan Neuro-Fuzzy. Perangkat lunak tersebut akan digunakan untuk mengendalikan robot lengan yang terhubung pada kabel serial RS-232 suatu PC melalui komunikasi serial. Dalam penelitian ini diharapkan dengan menerapkan metode Linear Predictive Coding (LPC)  dan Neuro-Fuzzy pada sistem pengenalan suara dapat digunakan untuk mengidentifikasi perintah suara dengan tingkat keberhasilan yang tinggi sehingga dapat digunakan sebagai pengendali robot yang handal. Berdasarkan dari hasil pengujian yang dilakukan pengenalan jaringan untuk data baru lebih rendah terhadap data latihan. Prosentase pengenalan suara dari dalam database sebesar 100 %, dan prosentase untuk pengenalan suara dari luar database 12,5%.

PERANCANGAN DAN PEMBUATAN APLIKASI SISTEM PAKAR UNTUK PERMASALAHAN TINDAK PIDANA TERHADAP HARTA KEKAYAAN

Jurnal Informatika Vol 5, No 1 (2004): MAY 2004
Publisher : Institute of Research and Community Outreach - Petra Christian University

Show Abstract | Original Source | Check in Google Scholar

Abstract

Indonesia has several laws and rules, one of them is Kitab Undang-undang Hukum Pidana (KUHP) or criminal code. The most frequent to happened in criminal case is criminal case of wealth. Law domain is very complex, so that its difficult for common people to understand and categorize a criminal case based on the Criminal Code. It will be very helpful if there is a computer program that could help people to understand and categorize a criminal case based on the criminal code. The main topic in this research is the designing and making of a rule-based expert system for criminal case of wealth problems . This expert system development is using forward chaining inference method, which is a data-driven inference process for finding a conclusion. Law contents of this expert system program are adopted from the Criminal Code. Criminal cases discussed in this expert system program are: thievery, extortion and threat, embezzling, cheating, act of damaging and passing goods from a criminal case. The purpose of this software is to make an expert system program to select chapters of the Criminal Code which are involved in a criminal case. This expert system development are based on this following steps: analyze the law topic, designing block diagrams, dependency diagrams and decision tables, implement design into a computer program, and testing the program. This expert system development is using Borland Delphi 6.0. as programming language and Micorosoft Access 2000 as database. Based on testing, this expert system program shows that this program still need more improvement on its law content with broaden law topic. Abstract in Bahasa Indonesia : Indonesia sebagai negara hukum, memiliki bermacam-macam peraturan hukum, salah satunya adalah Kitab Undang-undang Hukum Pidana (KUHP) yang digunakan untuk mengatur berbagai macam tindak pidana. Adapun jenis tindak pidana yang sering terjadi adalah tindak pidana terhadap harta kekayaan. Masalah hukum pidana sangat kompleks sehingga sulit bagi orang awam untuk mengerti dan memilah-milah pasal-pasal yang mengatur suatu kasus hukum. Hal ini sering membingungkan bagi orang awam saat terlibat dalam suatu kasus hukum sehingga perlu ada sebuah program komputer untuk membantu memahami dan memilah-milah pasal-pasal yang terlibat dalam suatu kasus hukum. Pembahasan utama dalam penelitian ini adalah perancangan dan pembuatan sistem pakar rule-based untuk permasalahan hukum pidana terhadap harta kekayaan. Pengembangan sistem pakar ini menggunakan metode inferensi forward chaining, yaitu proses inferensi yang memulai pencarian dari premis atau data menuju pada konklusi. Materi hukum untuk program sistem pakar ini diadopsi dari Kitab Undang-undang Hukum Pidana (KUHP). Permasalahan hukum yang dibahas meliputi: pencurian, pemerasan dan pengancaman, penggelapan, kecurangan, perusakan dan penadahan. Tujuan dari software ini adalah membuat sistem pakar yang digunakan untuk menyeleksi pasal-pasal KUHP yang terlibat dalam sebuah kasus pidana. Pembuatan sistem pakar ini dilakukan dengan tahapan sebagai berikut: menganalisa permasalahan hukum dengan melibatkan praktisi hukum, membuat desain sistem pakar, mengimplementasikan desain dalam program komputer dan melakukan uji coba dengan melibatkan praktisi hukum dan orang awam. Pembuatan sistem pakar ini menggunakan bahasa pemrograman Borland Delphi 6.0 dengan basis data Microsoft Access 2000. Hasil pengujian menunjukkan bahwa program masih membutuhkan pengembangan pada sisi materi hukumnya dengan pengembangan program sejenis dengan domain permasalahan hukum yang lebih luas, Kata kunci : Forward Chaining, Sistem Pakar, Rule-based, Hukum Pidana.

Aplikasi Pewarnaan Graf Fuzzy untuk Mengklasifikasi Jalur Lalu Lintas di Persimpangan Jalan Insinyur Soekarno Surabaya

Jurnal Sains dan Seni ITS Vol 3, No 2 (2014)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Original Source | Check in Google Scholar | Full PDF (660.069 KB)

Abstract

Jalan Insinyur Soekarno menempati urutan pertama sebagai jalan rawan kecelakaan di Kota Surabaya. Salah satu cara untuk mengurangi tingkat kecelakaan yang terjadi adalah dengan mengklasifikasikan jalur lalu lintas sehingga dapat memperlancar arus lalu lintas dan tidak terjadi kemacetan. Pada Tugas Akhir ini dilakukan pengklasifikasian jalur lalu lintas dengan menggunakan metode pewarnaan graf fuzzy. Terdapat 12 simpul yang menggambarkan arus lalu lintas dan 28 sisi mengintepretasikan jalur lalu lintas yang memiliki potensi terjadinya kecelakaan. Hasil yang diperoleh Tugas Akhir ini adalah 4 bilangan kromatik yang mengakibatkan terbentuknya 4 fase lampu lalu lintas dan waktu lampu hijau maksimal yakni 42 detik saat pagi, 40 detik saat siang, dan 43 detik saat sore.

PENGEMBANGAN JAMUR TIRAM DENGAN TEKNOLOGI TEMPERATURE AND HUMIDITY CONTROL DAN OPTIMASI PADA PRODUKSI JAMUR TIRAM

JPM17: Jurnal Pengabdian Masyarakat Vol 2, No 01 (2016)
Publisher : Lembaga Penelitian dan Pengabdian kepada Masyarakat

Show Abstract | Original Source | Check in Google Scholar | Full PDF (285.596 KB)

Abstract

Oyster mushroom cultivation in Kampung Tinja Keputih, can be analternative to empower local communities to be more productive society. Theeconomic value of the oyster mushroom in the area around the target society,with ease and cheapness of oyster mushroom seeds, allowing it to be used asagricultural products in the target area. While the lack of knowledge formushroom cultivation in the lowlands become the forerunner of mushroomcultivation program with tools "Temperature and Humidity Control (THC)” sothat the humidity wil meet the plants need extra humidity. This tool will work tooptimize the growth of oyster mushrooms. Field observations of thecharacteristics of the society, climate, fresh water supply and land used as aplace of cultivation. Dissemination was executed to introduce thecharacteristics of oyster mushrooms for the society. Basic training wasorganized to foster interest and motivation of the target communities followedby technical training oyster mushroom cultivation with THC tool support.Optimization of production control aims for a balance of mushroom seed stockand the products that can be marketed. The role of technology is expected tohave an impact to build a society that is constantly innovating character.Results of oyster mushroom cultivation in the target areas will be hope for thetargeted communities and surrounding region in increasing the economic valueand productivity levels of inmates.

STUDY COMPARISON OF SVM-, K-NN- AND BACKPROPAGATION-BASED CLASSIFIER FOR IMAGE RETRIEVAL

Jurnal Ilmu Komputer dan Informasi Vol 8, No 1 (2015): Jurnal Ilmu Komputer dan Informasi (Journal of Computer Science and Information
Publisher : Faculty of Computer Science - Universitas Indonesia

Show Abstract | Original Source | Check in Google Scholar | Full PDF (332.818 KB)

Abstract

Classification is a method for compiling data systematically according to the rules that have been set previously. In recent years classification method has been proven to help many people’s work, such as image classification, medical biology, traffic light, text classification etc. There are many methods to solve classification problem. This variation method makes the researchers find it difficult to determine which method is best for a problem. This framework is aimed to compare the ability of classification methods, such as Support Vector Machine (SVM), K-Nearest Neighbor (K-NN), and Backpropagation, especially in study cases of image retrieval with five category of image dataset. The result shows that K-NN has the best average result in accuracy with 82%. It is also the fastest in average computation time with 17,99 second during retrieve session for all categories class. The Backpropagation, however, is the slowest among three of them. In average it needed 883 second for training session and 41,7 second for retrieve session.

STUDY COMPARISON BACKPROPOGATION, SUPPORT VECTOR MACHINE, AND EXTREME LEARNING MACHINE FOR BIOINFORMATICS DATA

Jurnal Ilmu Komputer dan Informasi Vol 8, No 1 (2015): Jurnal Ilmu Komputer dan Informasi (Journal of Computer Science and Information
Publisher : Faculty of Computer Science - Universitas Indonesia

Show Abstract | Original Source | Check in Google Scholar | Full PDF (324.272 KB)

Abstract

A successful understanding on how to make computers learn would open up many new uses of computers and new levels of competence and customization. A detailed understanding on information- processing algorithms for machine learning might lead to a better understanding of human learning abilities and disabilities. There are many type of machine learning that we know, which includes Backpropagation (BP), Extreme Learning Machine (ELM), and Support Vector Machine (SVM). This research uses five data that have several characteristics. The result of this research is all the three investigated models offer comparable classification accuracies. This research has three type conclusions, the best performance in accuracy is BP, the best performance in stability is SVM and the best performance in CPU time is ELM for bioinformatics data.