front_page

Berikut ini adalah tiga tawaran tugas tugas akhir untuk mahasiswa S-1 / S-2 di DTETI UGM. Apabila Anda berminat untuk mendapatkan informasi lebih lanjut, kirimkan email ke: sunu{at}ugm.ac.id. Beberapa hal yang perlu diperhatikan dalam pengerjaan penelitian tugas akhir / thesis dapat dibaca di halaman ini.

Dosen peneliti : Sunu Wibirama, Igi Ardiyanto, Hanung Adi Nugroho, Noor Akhmad Setiawan, Teguh Bharata Adji, Paulus Insap Santosa, Ridi Ferdiana, D. Doni Ariananda.

Tema 1: Development of Light-Weight Video-Oculography System

Hardware v 1

Hardware v 1 (2008-2013)

Hardware v.2

Hardware v.2 (future plan)

 

 

 

 

 

 

 

Latar belakang penelitian 

Pada tahun 2008-2010, Dr. Sunu Wibirama membuat sebuah sistem video-oculography (VOG) untuk mendeteksi penyakit vertigo (dizziness) melalui gerakan mata. Perangkat VOG ini terdiri dari software VOG, kamera yang peka terhadap cahaya inframerah, LED inframerah, dan perangkat kacamata (goggle) sebagai tempat mounting untuk sistem kamera tersebut (Hardware v.1.0). Pada tahun 2013, penelitian ini berhasil dipublikasikan pada sebuah jurnal internasional dan menjadi salah satu referensi penting dalam penelitian eye tracking untuk bidang diagnosa medis. Pada tahun 2015, sistem VOG ini diadopsi oleh sebuah venture di San Diego, US sebagai alat diagnosa medis untuk pasien-pasien yang menderita balance disorders. Dr. Sunu merencanakan disain sistem VOG baru dengan perangkat keras versi 2.0 yang lebih ringan, memanfaatkan hanya satu kamera untuk setiap mata dan infrared mirror (hot mirror) untuk menangkap citra mata tanpa menghalangi pandangan pasien. Sistem baru ini meliputi hardware v.2 dan software untuk mendeteksi gerakan mata.

Bagi mahasiswa S-1 yang memenuhi kriteria di bawah ini, Dr. Sunu mengundang Anda untuk bergabung dalam sebuah project penelitian internasional yang vibrant dan dinamis sebagai tema skripsi:

  1. Diutamakan mahasiswa S-1 yang sedang / akan masuk semester 6.
  2. Berdedikasi tinggi terhadap waktu penelitian, tidak memiliki pekerjaan project dengan dosen lain maupun pekerjaan sambilan di luar (mahasiswa full-timer).
  3. Siap residen (menetap, datang setiap hari) di Lab Elektronika Lanjut selama penelitian berlangsung.
  4. Siap bekerja dengan deadline ketat untuk memenuhi target penelitian dalam waktu 7 bulan (tidak termasuk menulis laporan skripsi).
  5. Memiliki minat belajar yang tinggi untuk mempelajari hal-hal baru dalam bahasa Inggris (skor TOEFL di atas 520 menambah bobot pertimbangan).
  6. Memiliki kemampuan/hobi eletronics thinkering, akrab dengan solder, komponen elektronik, dan sistem elektronik arus lemah (DC).
  7. Memiliki kemampuan CAD dan 3D modeling (misal: software AutoCAD untuk 3D printing).
  8. Memiliki kemampuan pemrograman: menguasai C++ , C# dan bisa melakukan pemrograman visual pada Visual Studio 2012 (pengalaman menggunakan OpenCV diutamakan).

Mahasiswa yang berminat bisa melayangkan email ke sunu@ugm.ac.id dengan mencantumkan CV/biodata singkat dan transkrip nilai.

Tema 2: Gaze-based Interaction for Public Display

gazethru-poster
Hi-res poster: http://bit.ly/gazethru
We are looking for a talented DTETI student (S-1/S-2) who are keen to learn novel gaze-based interaction technique for public display. The project will be 8-10 months duration, intensively supervised by Dr. Sunu Wibirama in Signal Processing Laboratory (3rd floor, DTETI Bld.). More information:
Main tasks:
  • Developing seamless calibration procedure for Tobii EyeX Controller
  • Developing prototype of dynamic content for public display
  • Evaluating the proposed algorithm
Required skills and specifications:
  • Full time researcher, not being employed in other project (PKM, startup, office work, etc.)
  • Good English skills
  • Fluent in C++ / C# programming language
  • Obtained “A” mark in Engineering Mathematics course or Probability and Statistics course
  • Experience in developing computer vision/computer graphics based project will be additional value
Interested applicants should send their Curriculum Vitae (CV) and Academic Transcript to sunu@ugm.ac.id
Patrons and sponsors:
Intelligent Systems | Tobii | G-Force CRC

 

 

Tema 3: Robust pupil detection with deep learning

deeplearning_poster

Many artificial intelligence tasks can be solved by defining the right features to extract for that tasks, then providing these features to machine learning algorithm. However, for many tasks, it is difficult to know what features should be extracted. Suppose that we want to detect an eye of human in photographs. We know that an eye has pupil, so we might like to use the presence of pupil as a feature. Unfortunately, it is difficult to describe exactly what a pupil looks like in terms of pixel, especially when there are noises from eyelids, eyebrow, and unexpected light refraction. One solution to this problem is to use deep learning to discover not only the mapping of representation (e.g. features) to expected output, but also learning the representation itself. Deep learning is a new variant of neural network that will help providing good features by expressing a complex representation in other simpler representations.