Romi Fadillah Rahmat
Universitas Sumatera Utara

Published : 4 Documents
Articles

Found 4 Documents
Search

Perancangan Permainan Flood Filling pada Platform Android Fikri, Hasnul Arief; Rahmat, Romi Fadillah; Sitompul, Opim Salim
Dunia Teknologi Informasi - Jurnal Online Vol 1, No 1 (2012): Jurnal Dunia Teknologi Informasi
Publisher : Universitas Sumatera Utara

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (777.729 KB)

Abstract

Flood filling adalah game kombinasi warna yang dibuat menggunakan algoritma flood fill. Algoritma flood fill adalah algoritma yang menentukan area yang terhubung terhadap node pada multidimensional array. Perancangan permainan mobile flood filling pada platform Android ini adalah sebuah analisis, desain, dan implementasi algoritma flood filling dalam pembuatan mobile game. Pembuatan aplikasi ini bertujuan untuk  menjelaskan cara kerja aplikasi dan penerapannya di lingkungan Android. Dua buah mode permainan baru juga dikembangkan agar permainan ini  lebih menarik. Aplikasi ini dikembangkan dengan metode perancangan UML dan bahasa pemrograman Java. Hasil yang diperoleh adalah aplikasi permainan flood filling yang kompatibel untuk perangkat Android dan lulus user requirement review dalam perancangan mobile game.
Advertisement billboard detection and geotagging system with inductive transfer learning in deep convolutional neural network Rahmat, Romi Fadillah; Dennis, Dennis; Sitompul, Opim Salim; Purnamawati, Sarah; Budiarto, Rahmat
TELKOMNIKA (Telecommunication Computing Electronics and Control) Vol 17, No 5: October 2019
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1056.819 KB) | DOI: 10.12928/telkomnika.v17i5.11276

Abstract

In this paper, we propose an approach to detect and geotag advertisement billboard in real-time condition. Our approach is using AlexNet’s Deep Convolutional Neural Network (DCNN) as a pre-trained neural network with 1000 categories for image classification. To improve the performance of the pre-trained neural network, we retrain the network by adding more advertisement billboard images using inductive transfer learning approach. Then, we fine-tuned the output layer into advertisement billboard related categories. Furthermore, the detected advertisement billboard images will be geotagged by inserting Exif metadata into the image file. Experimental results show that the approach achieves 92.7% training accuracy for advertisement billboard detection, while for overall testing results it will give 71,86% testing accuracy.
Klasifikasi Telur Fertil dan Infertil Menggunakan jaringan Saraf Tiruan Multilayer Perception Berdasarkan Ekstraksi Fitur Warna dan Bentuk Nawawi, Muhammad Zaen; Rahmat, Romi Fadillah; Syahputra, Mohammad Fadly
Jurnal Teknologi Informasi dan Komunikasi Vol 4, No 2 (2015): Jurnal Teknologi Informasi dan Komunikasi (TIK)
Publisher : Kementerian Kominfo - RI

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

Abstract

Telur infertil adalah telur yang tidak mengalami perkembangan embrio pada saat penetasan. Pendeteksian telur infertil secara otomatis akan memberikan kemudahan saat penseleksian dan pemindahan telur infertil tepat waktu, yang akan membawa keuntungan bagi peternakan seperti efesiensi tempat dan kontaminasi penyakit yang mempengaruhi penetesan karena telur infertil bisa menjadi tempat perkembangan jamur. Metode yang diterapkan terdiri dari metode pengolahan citra dan jaringan saraf tiruan multilayer perceptron sebagai hasil akhir dari proses. Citra yang ditangkap kamera diekstrak fitur atau ciri-ciri yang membedakan antara telur fertil dan telur infertil berdasarkan bentuk dan warna telur. Shape index, roundness dan elongation diekstraksi dari bentuk telur, sedangkan nilai rata-rata hue, saturation dan intensitas diekstraksi dari warna telur. 100 data sampel digunakan untuk pelatihan jaringan dan pengujian memorasi dan 125 data sampel berbeda digunakan untuk uji generalisasi. Laju pembelajaran yang digunakan adalah 0.0005 dan parameter momentum sebesar 0.02 tingkat akurasi yang dihasilkan 98% untuk pelatihan dan 96% untuk uji generalisasi. Oleh sebab itu, metode yang digunakan selanjutnya dapat diterapkan pada fase industri
Sistem Pendeteksian Manusia untuk Keamanan Ruangan menggunakan Viola – Jones Sianturi, Jonatan; Rahmat, Romi Fadillah; Nababan, Erna Budhiarti
JOURNAL OF INFORMATICS AND TELECOMMUNICATION ENGINEERING Vol 1, No 2 (2018): Edisi Januari
Publisher : Universitas Medan Area

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (656.955 KB) | DOI: 10.31289/jite.v1i2.1424

Abstract

Aspek keamanan sangat dibutuhkan dalam berbagai kehidupan saat ini seperti keamanan rumah, gedung, atau ruangan yang memiliki nilai penting bagi pemilik. Keamanan dapat dikerjakan oleh tenaga manusia tetapi cara ini kurang efisien karena menghabiskan banyak resources seperti uang, waktu, tenaga dan juga sangat rentan terhadap kelalaian manusia (human error). Oleh karena itu diperlukan suatu pendetekatan untuk dapat melakukan keamanan tersebut.Salah satu pendekatan yang dapat dilakukan adalah dengan melakukan pendeteksian objek manusia melalui kamera yang terhubung dengan komputer.Dalam penelitian ini digunakan Viola-Jones untuk mendeteksi objek manusia dalam citra berdasarkan fitur. Citra yang diinput dari webcam dengan fungsi capture dalam library OpenCV diubah menjadi citra abu-abu setelah mengalami proses scaling, dilanjutkan ekualisasi histogram, perhitungan fitur dengan citra integral, dan pendeteksian objek dengan cascade of classifier. Pada penelitian ini ditunjukkan bahwa metode yang diajukan mampu melakukan pendeteksian objek dengan hasil akurasi mencapai 86,88% . Kata Kunci : viola-jones, pendeteksian manusia, keamanan ruangan, cascade of classifier, opencv.