PENGEMBANGAN ALGORITMA SKELETONISASI
DAN EKSTRAKSI FITUR NON-INTRUSIVE PADA
GAYA BERJALAN MANUSIA SECARA REAL TIME
DISERTASI
HUSTINAWATY
PROGRAM DOKTOR TEKNOLOGI INFORMASI
UNIVERSITAS GUNADARMA
PENGEMBANGAN ALGORITMA SKELETONISASI
DAN EKSTRAKSI FITUR NON-INTRUSIVE PADA
GAYA BERJALAN MANUSIA SECARA REAL TIME
DISERTASI
Untuk Memenuhi Salah Satu Syarat Meraih Gelar Doktor Teknologi Informasi di bawah Pimpinan Rektor Universitas Gunadarma
Profesor Doktor E.S. Margianti, SE., MM.
Dipertahankan dalam Sidang Terbuka Senat Universitas Gunadarma Pada Hari Sabtu, Tanggal 11 Agustus 2012 Jam 09.00 - Selesai
HUSTINAWATY
PROGRAM DOKTOR TEKNOLOGI INFORMASI
UNIVERSITAS GUNADARMA
PERNYATAAN ORIGINALITAS DAN PUBLIKASI
Saya yang bertanda tangan di bawah ini,
Nama : Hustinawaty NIM : 99209007
Judul Disertasi : Pengembangan Algoritma Skeletonisasi dan Ekstraksi
Fitur Non-Intrusive Pada Gaya Berjalan Manusia Secara
Real Time
Tanggal Sidang : 11 Agustus 2012 Tanggal Lulus : 11 Agustus 2012
menyatakan bahwa tulisan ini adalah merupakan hasil karya saya sendiri dan dapat dipublikasikan sepenuhnya oleh Universitas Gunadarma. Segala kutipan dalam bentuk apa pun telah mengikuti kaidah, etika yang berlaku. Mengenai isi dan tulisan adalah merupakan tanggung jawab Penulis, bukan Universitas Gunadarma.
Demikian pernyataan ini dibuat dengan sebenarnya dan dengan penuh kesadaran.
Depok, 11 Agustus 2012
�
,,·
PENGEMBANGAN ALGORITMA SKELETONISASI
DAN EKSTRAKSI FITUR
NON-INTRUSIVE PADA
GAYA BERJALAN MANUSIA SECARA
REAL TIME
DISERTASI HUSTINAWATY
Telah disetujui oleh:
Prof. Dr. Saril Madenda Promotor
Dr. Tb. Maulana Kusuma, SKom., MEngSc.
Ko-promotor
Jakarta, Agustus 2012
Judul Disertasi:
PENGEMBANGAN ALGORITMA
SKELETONISASI DAN EKSTRAKSI
FITUR NON-INTRUSIVE PADA GAYA
BERJALAN MANUSIA SECARA REAL
TIME
Nama Mahasiswa: Hustinawaty
NPM: 99209007
Komisi Pembimbing
Promotor: Professor Doktor Sarifuddin Madenda
Kopromotor: Doktor Tb. Maulana Kusuma, SKom., MEngSc.
Dewan Penguji
Ketua: Professor Doktor Sarifuddin Madenda (Promotor)
Anggota: Doktor Hermawan (Penguji Luar)
Professor Doktor E.S. Margianti, SE., MM (Penguji Dalam) Professor Suryadi Harmanto, SSi., MMSI (Penguji Dalam) Professor Doktor Yuhara Sukra, MSc (Penguji Dalam) Professor. Dr. Busono Soerowirdjo(Penguji Dalam)
Professor Doktor I Wayan Simri Wicaksana, S.Si,M.Eng(Penguji Dalam) Professor. Dr. Djati Kerami (Penguji Dalam)
Professor Doktor Suryo Guritno, Mstat (Penguji Dalam) Doktor Eri Prasetyo Wibowo (Penguji Dalam)
iv ABSTRAK
Penelitian analisis gaya berjalan (gait) manusia yang baik terus berkembang seiring dengan perkembangan aplikasi pengolahan citra dalam berbagai bidang serta perkembangan teknologi komputer dan kamera video. Bidang kedokteran dan bidang olah raga adalah bidang yang terkait langsung dengan penelitian ini. Dalam bidang kedokteran penelitian ini dapat membantu dokter dalam mendiagnosis pasien yang mengalami kelainan berjalan, merancang program rehabilitasi dan desain prostetik. Pada bidang olah raga hasil penelitian ini dapat digunakan pelatih untuk mengidentifikasi kesalahan-kesalahan gerakan pada atlet dan mengajarkan teknik terbaik, aman dan efektif sehingga dapat meningkatkan performa atlet tersebut.
Penelitian ini mengusulkan metode dan algoritma analisis gaya berjalan manusia serta pengembangan prototipe perangkat lunak. Metode yang dikembangkan berupa analisis gaya berjalan secara real-time dan non-intrusive (tanpa menggunakan penanda ataupun intervensi operator). Metode ini didukung oleh algoritma akuisis citra, algoritma segmentasi, algoritma skeletonisasi dan algoritma ekstraksi fitur gerakan. Tahap pertama analisis gaya berjalan seseorang adalah akuisisi objek (seseorang yang sedang berjalan) menggunakan webcam Logitech Quickcam Pro High Definition 9000 secara real-time. Tahap kedua adalah segmentasi yang terdiri dari pra proses dan pembentukan siluet. Pada pra proses, setiap frame gait yang dihasilkan dari akuisisi gaya berjalan manusia diproses menggunakan metode background subtraction. Selanjutnya dilakukan pembentukan siluet tubuh manusia melalui proses filtering, thresholding, dilasi, erosi, dan inversi. Tahap ketiga adalah proses skeletonisasi, yakni proses pembentukan skeleton menggunakan metode thinning. Tahap terakhir yang dilakukan adalah proses ekstraksi fitur, yaitu proses pengukuran parameter jarak kedua kaki menggunakan perhitungan geometri ruang untuk memperoleh koordinat dari setiap frame citra skeleton pada bagian kedua kaki manusia. Kelebihan dari teknik yang digunakan ini dibandingkan teknik lainnya adalah keseluruhan proses tersebut dilakukan dengan metode non-intrusive, dimana objek tidak perlu menggunakan penanda (marker) dan operator tidak perlu memberikan tanda secara manual pada skeleton untuk memudahkan proses ekstraksi, karena sistem secara otomatis dapat mendeteksi titik-titik yang diperlukan untuk proses ekstraksi fitur.
Berdasarkan hasil analisis dan pengujian yang telah dilakukan dapat disimpulkan bahwa algoritma akuisisi dapat mencuplik citra gait manusia secara real-time dengan kecepatan 30 citra/detik. Algoritma segmentasi mampu menghasilkan siluet yang relatif sama dengan bentuk tubuh orang yang terekam. Algoritma skeletonisasi telah mampu menghasilkan skeleton dari citra siluet dan memudahkan proses ekstraksi fitur. Algoritma ekstraksi fitur yang dikembangkan berhasil melakukan perhitungan fitur-fitur gait manusia secara otomatis dan tanpa interfensi operator atau bersifat non-intrusive dalam waktu yang relatif cepat. Tingkat akurasi dari metode dan algoritma yang dikembangkan mencapai 97.75%.
ABSTRACT
The study of human gait analysis continue to evolve along with the development of image processing applications in various fields as well as developments of computer technology and video cameras. Medical and sports sciences are the fields directly related to this research. In the field of medical research, this may assist physicians in diagnosing patients with walking disorders, designing a program of rehabilitation and prosthetic design. In the field of sports, the results of this study can be used by the trainer to identify movement errors of athletes and to teach the best, safest and the most effective techniques in order to improve the performance of athletes.
This research proposes method and algorithm of human gait analysis as well as the development of prototype software. The developed method is in the form of real-time and non-intrusive (without using markers or without operator intervention) gait analysis. This method consists of image acquisition algorithms, segmentation algorithm, skeletonization algorithm, and motion feature extraction algorithm.
The first step of gait analysis is object acquisition of walking person using Logitech Quickcam Pro High Definition 9000 webcam, which was captured in real-time. The second step is segmentation, which consists of pre-process and the formation of a silhouette. In the pre-process, each gait frame resulted from the object acquisition was processed using background subtraction method. Subsequently, the silhouette of the human body was created through the process of filtering, thresholding, dilation, erosion, and inversion. The third step is skeletonization process to form skeleton using thinning method. The final step is feature extraction process by measuring distance between two legs using space geometry calculation, in order to obtain coordinates from each image frame of human legs. The advantages of this technique compared to other techniques is that the whole process is executed by means of non-intrusive method, where the object does not require to use marker and the operator does not have to manually mark on the skeleton to facilitate the extraction process, because the system can automatically detect the points needed for feature extraction process.
Based on the analysis and testing results through experiments, it can be concluded that the acquisition algorithm could sample the image of human gait in real-time with sampling rate of 30 fps (frame-per-second). The segmentation algorithm was able to produce silhouettes that are relatively similar to those recorded in body shape. Skeletonization algorithm was successfully producing skeleton from the silhouette images, which could simplify feature extraction process. The developed feature extraction technique was successfully performed human gait features calculation automatically and relatively fast without operator intervention or called non-intrusive. The level of accuracy of the developed method and algorithm could reach 97.75%.
x
DAFTAR ISI
Pernyataan Originalitas dan Publikasi ... i
Lembar Pengesahan ... ii
Abstrak ... iv
Abstract ... v
Kata Pengantar ... vi
Daftar Isi ... x
Daftar Tabel ... xiii
Daftar Gambar ... xiv
Daftar Lampiran ... xvi
BAB 1 PENDAHULUAN ... 1
1.1 Latar Belakang ... 1
1.2 Rumusan Masalah ... 5
1.3 Tujuan Penelitian ... 6
1.4 Manfaat dan Kontribusi Penelitian... 7
BAB 2 TELAAH PUSTAKA ... 9
2.1 Definisi dan Jenis Gaya Berjalan Manusia ... 9
2.2 Siklus Gaya Berjalan Manusia ... 10
2.3 Analisa Gaya Berjalan Manusia ... 13
2.4 Perkembangan Penelitian Analisa Gaya berjalan ... 14
2.5 Ringkasan Penelitian ... 16
2.6 Representasi Citra Digital ... 19
2.7 Sistem Real Time ... 19
2.8 Intrusive dan Non Intrusive ... 20
2.9 Akuisisi Gaya Berjalan Manusia Secara Real Time ... 20
2.10 Pengurangan Latar Belakang (Background Substraction) ... 21
2.11 Median Filter ... 21
2.12 Grayscaling ... 23
2.14 Morfologi Citra ... 24
2.14.1 Structuring Element ... 25
2.14.2 Dilasi ... 25
2.14.3 Erosi ... 26
2.14 Thinning ... 27
BAB 3 METODE PENELITIAN ... 32
3.1 Akusisi Obyek Manusia Berjalan Secara Real Time ... 33
3.2 Segmentasi ... 36 3.2.1 Pra Proses ... 36 3.2.1.1 Grayscalling ... 37 3.2.1.2 Background Substraction ... 37 3.2.1.3 Cropping ... 38 3.2.2 Pembentukan Siluet ... 39 3.2.2.1 Filtering ... 39 3.2.2.2 Thresholding ... 40 3.2.2.3 Dilasi ... 41 3.2.2.4 Erosi ... 42 3.2.2.5 Inversi ... 43 3.3 Skeletonisasi ... 44 3.4 Ekstraksi Fitur ... 47
3.4.1 Ekstraksi Fitur Kaki Bagian Bawah ... 49
3.4.2 Ekstraksi Fitur Bagian Lutut ... 51
3.5 Pengujian Metode ... 54
BAB 4 HASIL DAN PEMBAHASAN... 57
4.1 Hasil Akusisi Gaya Berjalan Manusia Secara Real Time ... 59
4.2 Hasil Pra Proses ... 59
4.3 Hasil Algoritma Pembentukan Siluet ... 60
4.4 Hasil Algoritma Deteksi Skeleton ... 61
xii
4.6. Hasil Analisa Perhitungan Jarak dan Tinggi Terukur otomatis dan
terukur manual ... 77
BAB 5 KESIMPULAN DAN SARAN ... 83
5.1 Kesimpulan ... 83
5.2 Saran ... 84
DAFTAR TABEL
Tabel 2.1 Ringkasan Penelitian Analisa Gaya Berjalan Manusia ... 17 Tabel 4.1 Hasil Deteksi Skeleton Satu Siklus Berjalan ... 64
Tabel 4.2 Hasil Ekstraksi Fitur Jarak dan Tinggi Kaki Ideal dan Terukur ... 77
xiv
DAFTAR GAMBAR
Gambar 2.1 Distribusi Periode Siklus Gaya Berjalan Manusia (Spencer, 2005) ... 11
Gambar 2.2 Delapan Fase Dalam Siklus Gaya Berjalan Manusia (Spencer, 2005) . 13 Gambar 2.3 Akuisisi Gaya Berjalan Manusia (Howard et al, 2008) ... 14
Gambar 2.4 Model Skeleton (Fu et al, 2010) ... 15
Gambar 2.5 Akuisisi Gaya Berjalan Manusia (Eri et al, 2011) ... 16
Gambar 2.6 Model Skeleton (Eri et al, 2011) ... 16
Gambar 2.7 Gambaran Umum Analisa Gaya Berjalan Manusia ... 19
Gambar 2.8 Blok Program Alur Kerja Median Filter ... 22
Gambar 2.9 (a) Citra yang diberi Noise, (b) Median filter 3 x 3 ... 22
Gambar 2.10 Contoh Structuring Element ... 25
Gambar 2.11 Dilasi A ke B ... 26
Gambar 2.12 Erosi A ke B ... 27
Gambar 2.13 :Original Shape, Deformed Shape, Desired Shape ... 28
Gambar 2.14 8-Tetangga dari Piksel P1 yang akan ditinjau ... 29
Gambar 2.15 Contoh Titik yang tidak Memenuhi Kriteria 1 Algoritma Hilditch ... 29
Gambar 2.16 Contoh Titik yang tidak Memenuhi Kriteria 2 Algoritma Hilditch ... 30
Gambar 2.17 Contoh Titik Kriteria 3 Algoritma Hilditch ... 30
Gambar 2.18 Contoh Titik Pada Kriteria 4 Algoritma Hilditch ... 30
Gambar 3.1 Garis Besar Metode Penelitian ... 32
Gambar 3.2 (a) Obyek Gaya Berjalan Manusia (b) Proses Akuisisi Obyek Secara Real Time (c) 32 frame Gaya Berjalan Manusia dalam format .Jpeg ... 35
Gambar 3.3. Sistem Akuisisi Citra Gaya Berjalan Manusia Secara Real Time ... 36
Gambar 3.4 Diagram Pra Proses ... 37
Gambar 3.5 Proses Grayscaling Citra ... 37
Gambar 3.6 Proses Background Subtraction ... 38
Gambar 3.7 Proses Cropping Citra ... 38
Gambar 3.8 Pembentukan Siluet ... 39
Gambar 3.9 Proses Filtering dengan Median Filter ... 39
Gambar 3.10 Proses Thresholding ... 40
Gambar 3.12 Proses Operasi Dilasi ... 42
Gambar 3.13 Proses Operasi Erosi ... 42
Gambar 3.14 Diagram Alur Proses Inversi ... 43
Gambar 3.15 Proses Inversi ... 44
Gambar 3.16 Diagram Alur Proses Pembentukan Citra Biner ... 44
Gambar 3.17 Diagram Alur Proses Skeletonisasi ... 46
Gambar 3.18 Proses Skeletonisasi ... 47
Gambar 3.19 Posisi Empat Fitur ... 48
Gambar 3.20 Pembagian Citra Skeleton Menjadi Dua Bagian ... 48
Gambar 3.21 Pembagian Citra Skeleton Bagian Bawah Menjadi Dua Bagian ... 49
Gambar 3.22 Diagram Alur Perhitungan Fitur F4 ... 50
Gambar 3.23 Diagram Alur Perhitungan Fitur F3 ... 51
Gambar 3.24 Diagram Alur Mencari Nilai dari (a) Baris Lutut Kaki Depan dan (b) Baris Lutut Kaki Belakang ... 53
Gambar 4.1 Interface Proses Real Time ... 56
Gambar 4.2 (a) Hasil Akuisis Frame Citra Latar Belakang Dan (b) Hasil Akuisisi Frame Gaya Berjalan Manusia ... 57
Gambar 4.3(a) Frame Citra Gaya Berjalan Manusia, (b) Frame Citra Hasil Grayscaling Gaya Berjalan Manusia, (c) Frame Citra Hasil Pengurangan Latar Belakang, dan (d) Frame Citra Hasil Pemotongan 58 Gambar 4.4 (a) Frame Citra Hasil Pemotongan, (b) Frame Citra Hasil Filtering, (c) Frame Citra Hasil Thresholding, (d) Frame Citra Hasil Dilasi, (e) Frame Citra Hasil Erosi, dan (f) Frame Citra Siluet Hasil Inversi ... 59
Gambar 4.5 (a) Frame Citra Hasil Siluet dan (b) Frame Citra Hasil Skeletonisasi . 59 Gambar 4.6 Nilai Kolom dan Baris Frame Citra Hasil Skeleton ... 61
Gambar 4.7 Ilustrasi Lebar dan Tinggi Ruang Pengambilan Objek ... 61
xvi
DAFTAR LAMPIRAN
Lampiran 1 Hasil Deteksi Skeleton Siklus Berjalan Manusia
Lampiran 2 Hasil Ekstraksi Fitur Jarak dan Tinggi Kaki Ideal dan Terukur serta Ekstraksi Fitur Jarak dan Tinggi Lutut Ideal dan Terukur
DAFTAR PUSTAKA
Boulgouris, N.V., 2005, “Gait Recognition: A Challenging Signal Processing Technology for Biometric Identification”, IEEE Signal Processing
Magazine, Vol. 22, Pages 78-90.
David, K. W. and Mark, S. N., 2004, “On Automated Model-Based Extraction and Analysis of Gait “, Proceedings of the Sixth IEEE International
Conference on Automatic Face and Gesture Recognition, Pages 11-16.
Dawson, M. R., 2002, Gait Recognition, Technology and Medicine. Imperial Collage of Science, London.
Eri Ishikawa, Stephen Karungaru and Kenji Terada, 2011, “Gait features extraction method using image processing”, Frontiers of Computer
Vision (FCV), 2011 17th Korea-Japan Joint Workshop on Tokushima,
Univ., Tokushima, Japan, Pages 1-6
Faidillah Kurniawan, 2008. “Analisis secara Biomekanika teknik gerak serang dalam Anggar”, Jurnal Universitas Negeri Yogyakarta.
Fu Xiao, Peng Hua, Liu Jin and Zhang Bin, 2010, “Human Gait Recognition Based on Skeletons”, International Conference on Educational and
Information Technology (ICEIT 2010), Vol. 2, pages V2-83 - V2-87
Gonzalez, R. C. and Woods, R. E. 2002. Digital image processing. Upper Saddle River, New Jersey 07458: Prentice Hall International, Inc.
Howard Lee, Ling Guan and Ivan Lee, 2008, “Video Analysis of Human Gait and Posture to Determine Neurological Disorders”, EURASIP Journal on
87 Iskandar Japardi, Dr., 2002, “Aspek Neurologic Gangguan Berjalan”, Digitized by
USU digital library. . Fakultas Kedokteran. Fakultas KedokteranBagian
Bedah Universitas Sumatera Utara
Krishna, C. M., Kang G. Shin. 1997. Real-time Systems. Mc Graw Hill Book Company.
Laura Inverarity , D.O., 2004, “Health's Disease and Condition content former”, Physical Therapy Treatment A part of The New York Times Company. (http://physicaltherapy.about.com/od/abbreviationsandterms/g/Gait.htm) Liu, Zongyi, 2004, Gait-Based Human Recognition at a Distance: Performance,
Covariate Impact and Solutions. Dissertation submitted in partial
fulfillment of the requirements for the degree of doctor of philosophy, Department of Computer Science, Engineering University, South Florida. Nugroho, M. R. 2010. “Operasi Morfologi Citra dengan Matlab”, Tugas
Pengganti UAS Pengolahan Citra, Departemen Teknik Elektro, Fakultas Teknik, Universitas Indonesia, Depok.
Rinaldi Munir. 2004. Pengolahan Citra Digital dengan Pendekatan Algoritmik. Penerbit Informatika, Bandung.
Spencer, N. M. 2005. Pose Invariant Analisis Gait And Reconstruction. Phd Thesis, Faculty of Engineering, Science and Mathematics, School of Electronics and Computer Science. University of Southamton.
Stentiford, F.W.M. and Mortimer, R.G., 1983, “Some New Huristics For thinning
Binary Handprinted Characters for OCR”,IEEE Transactions On
Tomislav Pribanić, Peter Sturm and Ivan Brigić. 2006. “Body segments angle computation from single view”, International Symposium on the 3-D
Analysis of Human Movement. INRIA – CNRS : FR71 – CNRS :
UMR5527 – Université Joseph Fourier - Grenoble I – Institut National Polytechnique de Grenoble (INPG).
Weian Deng, S. Sitharama Iyengar and Nathan E. Brener, 2000, “A Fast Parallel Thinning Algorithm for the Binary Image Skeletonization”, International
Journal of High Performance Computing Applications, Vol. 14, pages
65-81.
Yadi Supardi, Drs. MPd, 2006, “Analisa Mekanika Sprint”, Program Studi Pendidikan Kepelatihan Olah raga, Fakultas Pendidikan Olah raga dan kesehatan Unipersitas Pendidikan Indonesia
Zainal Abidin. Internist, DSM, SpGk. 2005, Pemahaman Dasar Sport Science
dan Penerapan Iptek Olahraga, Bagian Sport Science & Penerapan Iptek
RIWAYAT HIDUP
Hustinawaty, dilahirkan di Jakarta pada tanggal 26 Oktober 1968 dari Bapak Alm Husin Syarifuddin dan Ibu Alm Zaenah, Anak pertama dari 5 bersaudara ( 5 Wanita). Menikah pada tahun 2002 dengan Djoko Adi Prasetya dan telah dikarunia 2 orang anak Ghinaa Faridatul Jannah dan Faiq Fadlul Aziz. Alamat rumah Perumahan Griya Swadaya Baru, Jalan . Swadaya VII NO. G1 Depok Jawa Barat
A. Pendidikan Formal
Tahun Pendidikan Institusi
1996-1982 SD SD Negeri Keagungan
1982-1985 SMP SMP Negeri 22 Jakarta
1985-1988 SMA SMA Negeri 17 Jakarta
1988-1995 S1 Jurusan Manajemen Informatika
Universitas Gunadarma
1995-1998 S2 Magister Manajemen Sistem Informasi Bisnis Universitas Gunadarma
2009-2012 S3 Program Doktor Teknologi Informasi
Universitas Gunadarma
B.Riwayat Pekerjaan
Tahun Jabatan Struktural
1992 – 2000 Staff Pengembagan Sistem Gunadarma (PSG)
Fakultas Ilmu Komputer dan Teknologi Informasi , Universitas Gunadarma
2000 – 2003 Wakil Kepala Lab. Pengembangan Pemrograman & Aplikasi Komputer Fakultas Ilmu Komputer dan Teknologi Informasi , Universitas
Gunadarma
2004 – Sekarang Kepala Lab. Pengembangan Pemrograman & Aplikasi Komputer Fakultas Ilmu Komputer dan Teknologi Informasi , Universitas Gunadarma
C.Pengalaman Lain
Tahun Nama Kegiatan dan Posisi Institusi
2005 Instruktur Pelatihan Database SQL Server Universitas Gunadarma – Bank Indonesia
2001 -2004
Instruktur Pelatihan Audit TSI Perbankan Tingkat Dasar dan lanjut
Universitas Gunadarma – Bank Indonesia
1996 Sistem Informasi Personalia Menggunakan Power Builder dan Informix
Universitas Gunadarma - Pansystem
1997 Analis Sistem Informasi Pencatatan Sipil menggunakan Pemrogramman Visual Basic Client Server dengan database Informix
Universitas Gunadarma - Pansystem
1996 Programmer Sistem Informasi PTS Seluruh Indonesia Menggunakan Microsoft Access
Dikti – Universitas Gunadarma 1995 Programmer Sistem Informasi Perlombaan
Senam Se Asean Seacon menggunakan Microsoft Access
Persani – Universitas Gunadarma
D.Daftar Penelitian
Tahun Judul Penelitian Ketua/Anggota-Sumber Dana
2008 Metode Pencocokan
Wajah pada aplikasi Pengenalan Wajah dengan jarak yang berbeda
Ketua Tim PDM – Direktorat Perguruan Tinggi
2009 Aplikasi Pengembangan Modul E-Learning Untuk Pembelajaran Yang Efektif Dan Efisien mata kuliah Kreativitas Dan
Keberbakatan
Anggota Tim - Program Hibah Kompetisi Berbasis Institusi (PHKI) Universitas Gunadarma
2010 Aplikasi Pengembangan Modul E-Learning Untuk mata kuliah Ergonomi
Anggota Tim-Program Hibah Kompetisi Berbasis Institusi (PHKI)
Universitas Gunadarma 2011 Aplikasi Pengembangan Modul
E-Learning Untuk mata kuliah Robotika
Anggota Tim-Program Hibah Kompetisi Berbasis Institusi (PHKI)
Universitas Gunadarma 2012 Aplikasi Pengembangan Modul
E-Learning Untuk mata kuliah character building dan Comunication Skill
Ketua Tim -Program Hibah Kompetisi Berbasis Institusi (PHKI)
Universitas Gunadarma 2012 Aplikasi Pengembangan Modul
E-Learning Untuk mata kuliah Desain Grafis 3D dan System VR
Anggota Tim - Program Hibah Kompetisi Berbasis Institusi (PHKI)
Universitas Gunadarma 2012 Aplikasi Pengembangan Modul
E-Learning Untuk mata kuliah
Anggota Tim - Program Hibah Kompetisi Berbasis Institusi (PHKI)
E. Daftar Publikasi
Tahun Judul Jurnal/Seminar
2012 Model Berbasis Ekstraksi Untuk Analisis Gaya Berjalan
Seminar Ilmiah Nasional Teknologi Komunikasi dan Informasi (TIK) untuk Ketahahanan Nasional KOMMIT 2012, Lembaga Penelitian Universitas Gunadarma-IEEE (Accepted) 2012 The Prototype of Non-Intrusive Skeleton
Detection and Feature Extraction Software on Gait Man in Real Time
International Journal of Sports Science and Engineering, Published by print and online quarterly, England, UK (Submitted) 2011 Implementasi MPRL dan Hough Transform Untuk
Segmentasi dan Ekstraksi Fitur Pada Citra Gaya Berjalan
Proceeding Seminar Nasional Dan Expo Teknik Elektro Universitas Syah Kuala 2011
2010 Eigenfaces Method Implementation on Face Recognation Application With Different Distances
Jurnal Ilmiah Teknik Komputer Volume 1 Nomor 2 Mei 2010, ISSN : 2085-6407, Kelompok Keilmuan Teknik Komputer Sekolah Teknik Elektro &
Informatika ITB
2010 Tug Synopsis Untuk Himpunan Database Relational Seminar Ilmiah Nasional KOMMIT 2010, Lembaga Penelitian Universitas Gunadarma-IEEE 2009 Open source Computer Vision Library Untuk Mengolah
Citra
UG JURNAL Vol.3 No. 07 Tahun 2009
2009 Pencarian Kemiripan Nukleutida (DNA) Menggunakan Algoritma Blast
UG JURNAL Vol.3 No. 07 Tahun 2009
2009 Simulasi Sistem Pengontrol PH Nira Pada Pembuatan Gula Menggunakan Metode Anvis
UG JURNAL Vol.3 No. 07 Tahun 2009
F. Hak Atas Kekayaan Intelektual(HAKI)
Tahun Hasil Karya
2010 Program Komputer Berjudul “Ergonomi”
2009 CD Interaktif Pembelajaran Kreatifitas Dan Keberbakatan
