Hasil Pencarian  ::  Simpan CSV :: Kembali

"Keberadaan lahan pertanian semakin hari semakin terancam karena adanya kebutuhan lahan untuk kegiatan manusia yang mendorong alih fungsi lahan. Kecamatan Karangtengah merupakan salah satu kecamatan dengan laju pertumbuhan penduduk terbesar kedua di Kabupaten Cianjur yaitu 2,3% dan berbatasan langsung dengan Kecamatan Cianjur yang merupakan inti (core) perkembangan kota di Kabupaten Cianjur. Faktor tersebut dapat mengancam alih fungsi lahan pertanian sawah di Kecamatan Karangtengah akibat adanya persaingan untuk memperoleh ruang untuk memenuhi berbagai kepentingan dan kebutuhan manusia. Penelitian ini bertujuan untuk menganalisis perubahan penggunaan lahan pertanian sawah tahun 2015, 2019, dan 2023 serta mengestimasi luas lahan pertanian sawah tahun 2031 di Kecamatan Karangtengah, Kabupaten Cianjur. Variabel yang digunakan pada penelitian ini adalah lereng, jarak dari jalan, jarak dari permukiman, jarak dari sungai, dan jarak dari pasar. Sedangkan Cellular Automata dan Artificial Neural Network dipilih sebagai metode untuk untuk mengestimasi luas lahan pertanian sawah pada tahun 2031. Hasil penelitian menunjukkan bahwa pada tahun 2015 hingga 2023 terus terjadi penurunan luas lahan pertanian sawah yang diiringi dengan peningkatan penggunaan lahan lainnya. Pada tahun 2031 lahan pertanian sawah di Kecamatan Karangtengah diestimasi juga akan mengalami penurunan dibandingkan pada tahun 2023 disertai adanya ketidaksesuaian LSD dan terjadi defisit beras di beberapa desa. Adapun faktor alih fungsi lahan sawah yang paling berpengaruh adalah jarak dari jalan dan jarak dari permukiman.

---

The existence of agricultural land is increasingly threatened day by day due to the need for land for human activities that drive land conversion. Karangtengah is one of the sub-districts with the second highest population growth rate in Cianjur Regency, which is 2.3 and directly adjacent to Cianjur Sub-district, the core of urban development in Cianjur Regency. These factors can endanger the conversion of paddy fields in Karangtengah Sub-district due to competition for space to meet various human interests and needs. The purpose of this research is to analyze the changes in paddy field agricultural land use in 2015, 2019, and 2023, as well as estimate the paddy field agricultural land area in 2031 in Karangtengah Sub-district, Cianjur Regency. The variables used in this study are slope, distance from roads, distance from settlements, distance from rivers, and distance from markets. Cellular Automata and Artificial Neural Network are chosen as the methods to estimate the paddy field agricultural land area in 2031. The research results show that from 2015 to 2023, there has been a continuous decrease in the area of paddy field agricultural land accompanied by an increase in the use of other types of land. In 2031, the paddy field agricultural land in Karangtengah Sub-district is also estimated to experience a decrease compared to 2023, along with a mismatch in rice self-sufficiency in several villages. The most influential factors in the conversion of paddy field land are the distance from roads and the distance from settlements."

"Tuberkulosis (TB), yang disebabkan oleh Mycobacterium tuberculosis menjadi masalah kesehatan masyarakat yang signifikan di Indonesia. Permasalahan ini diperburuk oleh meningkatnya insiden resistensi antimikroba, terutama terhadap rifampisin sebagai obat lini pertama untuk tuberkulosis. Salah satu pendekatan yang menjanjikan untuk mengatasi masalah ini adalah eksplorasi obat-obatan baru. Aktinomiset, kelompok mikroorganisme yang dikenal menghasilkan berbagai senyawa bioaktif, telah banyak dilaporkan memiliki potensi dalam memproduksi antibiotik. Penelitian ini bertujuan untuk mengetahui potensi aktinomiset asal Indonesia sebagai penghasil senyawa bioaktif yang memiliki kemampuan menghambat M. tuberculosis resisten rifampisin. Penelitian ini menggunakan aktinomiset yang diisolasi dari Pulau Kalimantan, Indonesia, dan diseleksi menggunakan high-throughput screening dengan model Mycobacterium untuk menilai aktivitas anti-tuberkulosisnya. Ekstrak terpilih kemudian diuji lebih lanjut menggunakan metode uji kepekaan obat yang sudah divalidasi, seperti Resazurin Microtiter Assay (REMA) dan Drug Susceptibility Testing (DST-MGIT). Hasil penelitian menunjukkan bahwa satu spesies aktinomiset mampu menghambat strain Mycobacterium tuberculosis yang resistan terhadap rifampisin. High-resolution mass spectrometry (HRMS) dilakukan untuk mengidentifikasi senyawa kimia yang ditemukan dalam ekstrak aktif. Metabolit-metabolit ini dimurnikan lebih lanjut menggunakan kromatografi kolom untuk mengisolasi senyawa spesifik yang berperan dalam aktivitas anti-TB. Fraksi potensial dipisahkan menjadi dua senyawa, dan diperoleh fraksi dengan kode F12B yang memiliki satu spot pada KLT dan nilai MIC lebih rendah dibandingkan yang lain, yaitu 28 μg/mL melalui uji DST-MGIT dan 3 μg/mL melalui uji REMA.Metal-organic framework (MOF) telah menunjukkan potensi sebagai penyerap untuk penangkapan gas CO2, tetapi biaya pembuatannya tidak praktis untuk aplikasi industri. Peningkatan kapasitas adsorpsi CO2, penurunan biaya produksi, dan pengurangan energi regenerasi masih sedikit untuk diteliti. Dalam penelitian ini, kami membuat MOF dengan L-Glutamic Acid sebagai bio-ligan dan kobalt klorida sebagai sumber ion logam, yakni Bio-MOF Co-Glu. Keberhasilan fabrikasi Bio-MOF dievaluasi dengan scanning electron microscope, analisis isoterm adsorpsi-desorpsi N2, analisis gravimetri termal, X-ray difraksi, dan teknik Fourier-transform infrared spectroscopy. Pengukuran volumetrik diamati pada berbagai temperatur (27oC, 35oC, 50oC). Kalor isosterik adsorpsi dan selektivitas CO2/N2 juga dievaluasi dengan meregresi data eksperimen dengan teknik Persamaan Isotermal Langmuir-Freundlich dan IAST. Selanjutnya, pemodelan jaringan saraf menunjukkan validitas yang sangat tinggi (R = 0,99) dari data yang diprediksi. Optimasi multi-objektif dilakukan dengan tiga fungsi objektif. Titik optimum untuk mendapatkan kapasitas maksimum CO2 dan selektivitas dengan panas adsorpsi ringan berturut-turut adalah 0,158 g/g, 112,34 J/g, dan 2,105. Ini adalah studi pertama yang membuat prediksi dengan tiga fungsi objektif dalam adsorpsi gas dan melakukan optimasi multiobjektif untuk serapan CO2, panas adsorpsi, dan selektivitas. Hasil ini memberikan dasar untuk penggunaan algoritme pembelajaran mesin dalam hubungannya dengan pengoptimalan multi-objektif untuk menyelidiki kinerja adsorpsi gas di bawah persyaratan aplikasi industri.

---

Metal-organic frameworks (MOFs) have demonstrated potential as adsorbents for CO2 capture, but their cost makes them impractical for industrial applications. Increasing the CO2 adsorption capacity, lowering the MOF production cost, and reducing the energy regeneration have been less well studied. In the present study, we fabricate a MOF with L-Glutamic Acid as the bio-ligand and cobalt chloride as the metal-ion source, Bio-MOF Co-Glu. The success of Bio-MOF fabrication was evaluated by scanning electron microscopy, N2 adsorption-desorption isotherm analysis, thermal gravimetric analysis, x-ray diffraction, and Fourier-transform infrared spectroscopy techniques. The volumetric measurement was observed at various temperatures (27oC,35oC,50oC). Isosteric heat of adsorption and CO2/N2 selectivity were also evaluated by regressing the experimental data with Langmuir-Freundlich Isothermal equation and IAST techniques. Further, the neural network modelling showed a considerably high validity regressing (R=0,99) of the predicted data. Multi-objective optimization was conducted with three objective functions, CO2 uptakes, heat of adsorption, and CO2/N2 selectivity. The optimum point to get maximum capacity of CO2 and selectivity with mild heat of adsorption are 0,158 g/g, 112,34 J/g, and 2,105. respectively. This is the first study to make predictions in gas adsorption and conduct multi-objective optimization with a genetic algorithm for CO2 uptake, separation factor, and selectivity variable objectives. These results provide a basis for the use of machine learning algorithms in conjunction with multi-objective optimizations to investigate the output performance of gas adsorption under the requirements of industrial applications."

"ABSTRAKGas alam adalah salah satu energi utama yang banyak digunakan di Indonesia. Pemanfaatan gas alam di berbagai aspek masyarakat telah mendorong gas alam untuk mendorong pertumbuhan ekonomi nasional. Pemanfaatan ini juga didorong oleh dukungan pemerintah untuk pengembangan infrastruktur gas alam dan tata kelola kebijakan energi. Untuk mendukung pengaturan pasokan dan pemanfaatan gas alam, diperlukan perencanaan alokasi gas alam jangka panjang. Langkah awal dalam merencanakan alokasi adalah untuk memperkirakan tingkat konsumsi gas alam di Indonesia. Penelitian ini memberikan gambaran tentang perkiraan konsumsi gas dengan dua metode yaitu menggunakan jaringan saraf tiruan dan regresi linear berganda. Berdasarkan hasil penelitian, diperoleh hasil nilai error menggunakan mean square error MSE adalah 0,0154 untuk regresi linear berganda dan 0,0117 untuk metode jaringan saraf tiruan sehingga dapat disimpulkan bahwa metode jaringan saraf tiruan lebih baik dalam memprediksi nilai konsumsi gas bumi. Serta dari hasil peramalan dengan kedua metode, terlihat adanya peningkatan permintaan gas alam untuk kebutuhan domestik Indonesia.

---

ABSTRACT Natural gas is one of the main energy that is widely used in Indonesia. Utilization of natural gas in various aspects of society has encouraged natural gas to boost national economic growth. This utilization is also driven by government support for the development of natural gas infrastructure and energy policy governance. To support the regulation of supply and utilization of natural gas, long term natural gas allocation planning is required. The first step in plotting allocations is to estimate the level of natural gas consumption in Indonesia. This study will provide an overview of the estimated gas consumption by two methods, namely using Artificial Neural Network and Multiple Linear Regression. Based on the result of research, error value using mean square error MSE is 0.0154 for multiple linear regression method and 0,0117 for artificial neural network method so it can be concluded that artificial neural network method is better in predicting the value of natural gas consumption. As well as from the results of forecasting with both methods, there is an increase in demand for natural gas for domestic needs of Indonesia"

"Sertifikat tanah merupakan surat tanda bukti hak yang berlaku sebagai alat pembuktian yang kuat mengenai data fisik dan data yuridis untuk kepemilikan tanah seseorang. Salah satu jenis pendaftaran sertifikat tanah yaitu sertifikat tanah rutin yang terdiri dari beberapa jenis objek sertifikat diantaranya adalah sertifikat tanah roya, peralihan hak atas tanah, perubahan hak atas tanah, hak tanggungan, split dan pendaftaran pertama kali. Instansi pemerintah yang memiliki wewenang mengeluarkan sertifikat tanah di Indonesia adalah Kementrian ATR/BPN melalui Kantor Pertanahan salah satunya yang terletak di Kabupaten Bandung. Namun kondisi yang terjadi di Kantor Pertanahan Kabupaten Bandung masih terdapat perlambatan penerbitan sertifikat tanah di setiap waktunya. Beberapa penyebab perlambatan tersebut karena proses perencanaan jumlah blangko dan petugas ukur yang masih belum sesuai. Sehingga diperlukan adanya perbaikan proses perencanaan menggunakan peramalan dengan pendekatan data mining untuk mendapatkan model terbaik. Metode yang digunakan adalah perbandingan metode Autoregressive Integrated Moving Average (ARIMA) dan Artificial Neural Network (ANN). Setelah dilakukan analisis berdasarkan Root Mean Square Error (RMSE), ANN dapat menghasilkan model dengan tingkat akurasi yang terbaik untuk melakukan peramalan pada masing-masing jenis sertifikat tanah dibandingkan ARIMA karena hasil dari ANN memiliki tingkat kesalahan terkecil.

---

A land certificate is a certificate of proof of rights that serves as a strong proof of physical data and juridical data for a person's land ownership. One type of land certificate registration is a routine land certificate consisting of several types of certificate objects includigroya land certificates, transfer of land rights, changes to land rights, mortgage rights, splits, and first registration. The government agency authorized to issue land certificatesin Indonesia is the Ministry of ATR/BPN through the land office, one of which is in Bandung Regency. However, the conditions that occur in the Bandung Regency land office are still a slowdown in the issuance of land certificates every time. Some of the reasons for the slowdown occurred because the planning process for the number of blanks and measuring officers was still not appropriate. So, it is necessary to improve the planning process using forecasting with a data mining approach to get the best model. The method used is to compare the Autoregressive Integrated Moving Average (ARIMA)and Artificial Neural Network (ANN) methods. After analyzing based on Root Mean Square Error (RMSE), the ANN can produce a model with the best accuracy forforecasting each type of land certificate compared to the ARIMA because the results of the ANN have the smallest error rate."

"Untuk mengenali penyakit kanker sel darah putih (leukemia) dewasa ini masih dilakukan proses konvensional yang memakan waktu cukup lama dalam proses pengenalannya. Tugas akhir ini bertujuan untuk mengenali penyakit leukemia dari citra darah dengan menerapkan teknik pengolahan citra dan metode jaringan syaraf tiruan. Pada proses pengenalan penyakit ini, sistem yang sudah mengakuisisi citra darah akan melakukan proses cropping, resizing, dan membuat citra tersebut menjadi blok-blok matriks berukuran 4_4. Kemudian citra dalam format RGB dikonversikan ke dalam model warna HSV agar memiliki ruang warna yang lebih natural. Untuk mendapatkan fitur warna salah satu elemen warna yakni Hue akan diekstraksi untuk mendapatkan matriks nilai karakteristiknya. Nilai karakteristik hasil ekstraksi fitur warna tersebut kemudian akan dilatih oleh jaringan syaraf tiruan dan dimasukkan ke dalam database. Jaringan syaraf tiruan terdiri atas 3 layer input, 3 layer tersembunyi dan 1 layer keluaran. Dari hasil uji coba, diperoleh tingkat akurasi rata - rata sebesar 83.33% menggunakan 3 input untuk setiap jenis penyakit leukemia dan 20 kali pelatihan jaringan syaraf tiruan.

---

Recognize the white blood cell cancer disease (leukemia) identification today, still use conventional method and time consuming. The Objective of this research is to identify leukemia disease from blood image using image processing technique and artificial neural network. In this identification disease process, the system which has made acquisition of the blood image will process the cropping, resizing and divide the image into 4 _ 4 matrix blocks. Then the image in RGB format is converted to HSV color model in order to have a more natural color.

In order to acquire color feature, one of the element which is Hue will be extracted to get characteristic value of the matrix. The characteristic value from the extracted color feature will then be trained by artificial neural network and inserted into the database. The artificial neural network consisted of 3 input layer, 3 hidden layer and 1 output layer. From the test result, we acquire an average level of accuracy of 83.33% using 3 inputs for every types of leukemia and 20 times of artificial neural network training."

"ABSTRAKAlgoritma pembelajaran jaringan saraf tiruan dewasa ini semakin beragam.Masing-masing algoritma memiliki kelebihan dan kekurangan dan menjadi halyang menarik untuk dipelajari. Pada penelitian ini akan dibahas mengenaialgoritma pembelajaran metode Levenberg-Marquardt yang akan digunakanuntuk jaringan saraf tunggal dan Ensemble Neural Network. Hasil percobaanmenunjukan bahwa metode Levenberg-Marquardt memiliki keunggulan dalamkecepatan dan kestabilan.

---

ABSTRACTNeural network learning algorithm is more diverse today. Each algorithm hasadvantages and disadvantages, and those are interesting thing to learn. Thisresearch will be discussed on the learning algorithm Levenberg-Marquardtmethod to be used for a single neural network and Ensemble Neural Network.Results of this research shows Levenberg-Marquardt learning algorithm has agood speed and stability."

"Penelitian berbasis pengembangan green corrosion inhibitor mengalami banyak kemajuan terutama menggunakan bahan organik. Namun penggunaan inhibitor yang diperoleh dengan teknik pirolisis dan kondensasi untuk memperoleh uap cair dari sekam padi belum tereksplorasi. Dalam penelitian ini, unjuk kerja inhibitor sekam padi akan diujicoba di beberapa lingkungan yang relevan dengan kebutuhan industry minyak dan gas yaitu di lingkungan asam dalam hal ini HCl 1M dan potensi penggunaan di industri kilang NH4Cl 7,5 % (0,14 M). Validasi hasil eksperimen unjuk kerja inhibitor dengan menggunakan kecerdasan buatan dilakukan sedangkan potensi penggunaan inhibitor secara ekonomi akan disimulasikan. Pengujian menggunakan Potentiodynamic dan Electrochemical Impedance Spectroscopy dilakukan sebagai hasil identifikasi senyawa yang berkontribusi pada proses inhibisi menggunakan FTIR. Sedangkan perubahan permukaan menggunakan SEM, AFM, dan Contact Angle dilakukan. Efisiensi inhibisi sekam padi di lingkungan asam, dan NH4Cl mencapai 99,82%, dan 96,41%. Hasil pengujian gugus fungsi senyawa furan, fenol, silika, benzena, dan heteroatom menjadi senyawa yang dominan berperan dalam proses adsorpsi secara kimia. Sekam padi berperan sebagai inhibitor anodik baik disemua lingkungan dan menjadi barrier untuk memutuskan hubungan antara lingkungan dengan logam. Pemodelan dengan Deep Learning menunjukkan bahwa lapisan film berevolusi di berbagai arah logam dengan bentuk lingkaran dengan ukuran partikel 100-200 μm dimana akurasi prediksi evolusi film untuk kupon tanpa inhibitor adalah 66,67% lebih kecil dari nilai dengan inhibitor yaitu 81,08%. Hasil pemodelan mengkonfirmasi hasil eksperimen dan dapat digunakan untuk memprediksi unjuk kerja inhibitor dengan menggunakan AI. Penelitian ini dapat digunakan sebagai model penggunaan limbah sekam padi sebagai inhibitor dan berkontribusi mengembangkan kecerdasan buatan untuk membantu memvalidasi hasil eksperimen secara cepat dengan keakuratan yang tinggi.

---

This work models the development of green corrosion inhibitors using organic compounds which have been rapidly rocketed. Despite the massive growth, the uniqueness of the research dwells in the pyrolysis and condensation technique that remains in siloes. The research paves the way to showcase the inhibition performance of rice husk ash as a green corrosion inhibitor and is tested in several environments, such as HCl 1M and refinery process of NH4Cl 7,5 % (0,14 M). The implementation of artificial intelligence validates the experimental outcomes, while economic utilization is evaluated when industrial scaling up is made available. Potentiodynamic and electrochemical impedance spectroscopy are implemented to test the corrosion resistance of the inhibitor. The FTIR and UV-Vis were conducted to unveil the ultimate content of the inhibitor during the inhibition process. Surface modification evaluation was carried out through SEM and AFM and validated by Contact Angle measurement. Inhibition efficiency shows a remarkable result to reach 99.82% and 96.41% when immersed with 80 ppm and 7,5 ppm inhibitor solution. Furan, Phenolic, Silika, Aromatic Benzena and their heteroatoms are among the dominant functional groups involved in chemical adsorption. Rice husk ash inhibitor shows a mix-type inhibitor that is anodic pre-dominant in dismissing the substrate from the environment. The deep learning model shows the evolution of passive film occurs in numerous sites on the surface of the metal with a spherical shape and 100-200 μm particle size. The accuracy of prediction stands at 66.67% for the uninhibited system, which is less than that of the inhibited system, which is at 81.08%. The modelling result paves the way for the showcase of the evolution of passive film using artificial intelligence and the validation of experimental results with high accuracy."

"Owa kalimantan (Hylobates albibarbis) merupakan spesies owa endemik yang hanya dapat ditemukan di wilayah Kalimantan Tengah dan Kalimantan Barat. Populasi H. albibarbis termasuk ke dalam kategori Endangered (terancam) menurut IUCN dan terus mengalami penurunan akibat degradasi dan fragmentasi habitat, perdagangan ilegal dan perburuan liar, serta perubahan iklim. Penelitian mengenai distribusi H. albibarbis telah dilakukan di kawasan restorasi lahan gambut bagian selatan, Katingan Mentaya Project, Kalimantan Tengah. Penelitian bertujuan untuk menghasilkan peta distribusi H. albibarbis dan memperoleh data estimasi jumlah kelompok H. albibarbis yang berada di kawasan tersebut. Pengambilan data dilakukan 5 hari sepekan selama 7 pekan dari bulan Maret hingga Juni 2022. Metode yang digunakan adalah triangulasi (auditory sampling) dan ground survey. Triangulasi dilakukan di 4 lokasi dengan jumlah pengulangan sebanyak 3 kali di setiap lokasi. Selama 12 hari pengambilan sampel suara, tercatat sebanyak 124 suara vokalisasi H. albibarbis. Hasil metode triangulasi menunjukkan bahwa 11 kelompok H. albibarbis terdistribusi di hutan gambut wilayah selatan pada jenis vegetasi hutan rawa gambut campuran. Selama periode penelitian, terjadi perjumpaan langsung dengan H. albibarbis sebanyak 8 kali. Hasil metode ground survey menunjukkan bahwa terdapat 20 spesies pohon pakan dan 10 spesies pohon tidur yang berada di sekitar wilayah distribusi dan titik perjumpaan dengan H. albibarbis. Hasil tersebut menunjukkan bahwa wilayah hutan yang dihuni oleh H. albibarbis masih mampu mendukung pergerakan dan menyediakan sumber daya bagi H. albibarbis, meskipun kebakaran pernah terjadi di bagian hutan tersebut.

---

Hylobates albibarbis is an endemic gibbon species that can only be found in Central Kalimantan and West Kalimantan. This species is included in the Endangered category according to the IUCN and the population continues to decline due to habitat degradation and fragmentation, illegal trade, and poaching. Research on the distribution of H. albibarbis has been conducted in the southern peatland restoration area, Katingan Mentaya Project, Central Kalimantan. The aim of the study was to produce distribution map and obtain estimation data for the number of H. albibarbis groups. Data collection was carried out 5 days a week for 7 weeks from March to June 2022. The methods used were triangulation and ground survey. Triangulation was carried out at 4 locations with 3 repetitions at each location. The results of triangulation method showed that 11 groups of H. albibarbis were distributed in mixed peat swamp forest vegetation. The results of ground survey method showed that there were 20 species of feeding trees and 10 species of sleeping trees around the distribution area and encounter points. Therefore, forest areas inhabited by H. albibarbis are still able to support movement and provide resources for H. albibarbis, although fires have occurred in the forest."

"Pengenalan wajah telah menjadi topik pengolahan citra yang banyak mengalami perkembangan. Pengembangan yang dilakukan bertujuan mengatasi kesulitan-kesulitan dalam pengenalan wajah, diantaranya pose pengambilan gambar. Penelitian ini bertujuan membuat rancang bangun rekognisi wajah tiga dimensi dengan sistem Fuzzy dan Jaringan Saraf Tiruan Hemisfer untuk mengatasi masalah tsersebut. Sistem fuzzy bertujuan untuk mengestimasi sudut pengambilan gambar dengan menempatkan informasi gambar ke suatu titik di ruang vektor fuzzy atau manifold dari data referensi menggunakan jarak terdekat fuzzy. Informasi sudut akan diteruskan ke jaringan saraf tiruan yang mengenali wajah-wajah dengan cara mempelajari wajah-wajah yang disediakan untuk pembelajaran. Informasi gambar yang dimasukkan ke dalam jaringan saraf tiruan terlebih dahulu dikompresi dengan metode Principle Component Analysis (PCA). Keunggulan jaringan saraf tiruan hemisfer dalam pengenalan wajah tiga dimensi adalah adanya faktor pengali neuron yang besarnya bergantung dari informasi sudut pengambilan gambar, sehingga gambar dua dimensi dapat diproyeksikan ke ruang tiga dimensi. Metode pembelajaran yang digunakan pada tulisan ini ialah pengembangan dari metode backpropagation. Penelitian diawali dengan pengambilan data dari alat pengambil gambar wajah tiga dimensi, perancangan sistem fuzzy dan jaringan saraf tiruan dalam MATLAB, dan validasi masing-masing sistem dengan data yang diambil. Sistem ini kemudian dikombinasikan dalam perangkat lunak MATLAB dan diuji dengan sebuah prototipe yang terdiri atas satu kamera. Hasil penelitian menunjukkan tingkat rekognisi sistem sebesar 76,29% pada saat validasi dan 37% saat aplikasi sistem satu kamera. Dari penelitian ini dibuktikan sistem dapat diaplikasikan untuk merekognisi wajah tiga dimensi, namun harus diperhatikan keakuratan pemotongan gambar untuk mendapat hasil yang akurat.

---

Face recognition is currently a highly discussed topic on image processing. The developments are aimed to overcome problems on recognizing face, such as various pose of image object. The study tries to solve the problem by creating a system design of 3D face recognition using a fuzzy system and Hemispheric Structure Hidden Layer of Artificial Neural Network to overcome the problem. The fuzzy system estimates pose information of the object taken. It is done by mapping the image taken to a point in a fuzzy vector space or manifold using fuzzy nearest distance. Pose information is then projected to the artificial neural network which is able to recognize faces after formerly learned a set of learning database. The data submitted to the artificial neural network is compressed by Principle Component Analysis (PCA). Main advantage of hemispheric neural network on 3D face recognition is the multiplying factor which values depend on the image pose information, so that the two dimensional images can be projected into three dimensional space. Learning method used in this study is an expansion of backpropagation. The study begins by taking experimental data from 3D face capturing devices, developing fuzzy system and artificial neural network in MATLAB, and validating both systems. The system is then combined in MATLAB and tested by a single unit camera prototype. Results show the system able to reach recognition rate of 76.29% on validation and 37% on single unit camera application. The study proves that the system is applicable for a 3D face recognition system, however the accuracy of image cropping should be taken into consideration for an accurate result."