Sidang Progress Tugas Akhir ini menampilkan 2 karya Tugas Akhir, yaitu:

Sistem deteksi detak jantung melalui wajah secara computer vision menggunakan metode Remote Photoplethysmograph

Computer Vision adalah cabang dari ilmu komputer dan kecerdasan yang bertujuan untuk melihat dan memahami benda atau objek yang ada disekitarnya. Dengan kemampuan tersebut, komputer mampu menganalisis sendiri benda yang ada didepannya, sehingga informasi tersebut dapat menghasilkan perintah. Photoplethysmography (PPG) adalah Teknik pengukuran berteknologi yang tidak invasif yang biasanya digunakan untuk deteksi detak jantung, sedangkan Remote Photoplethysmograph adalah sebuah pengembangan dari Photoplethysmograph yang dapat digunakan tanpa kontak fisik atau contactless. Remote Photopletysmography menggunakan alat perekam atau video base device yang dapat menangkap video secara langsung. Hasil dari penangkapan video diolah menggunakan komputer vision untuk menghasilkan data detak jantung atau hasil deteksi detak jantung. Tugas Akhir ini memanfaatkan Computer Vision dan Remote Photoplethysmograph untuk mendeteksi detak jantung menggunakan webcam laptop. Untuk hasil dari pengujian sudah dapat mendeteksi wajah manusia, fps dan dapat menampilkan detak jantung orang tersebut. Hasil dari detak jantung sementara kurang akurat masih ada perbedaan kisaran 5-15 bpm namun pada saatsaat tertentu dapat akurat, tetapi perubahan bpm terbilang kurang responsif. Hasilnya dapat tergolong cukup baik dibandingkan percobaan sebelumnya. Hal yang perlu diperbaiki yaitu meningkatkan hasil pembacaan bpm.

Sistem Deep Learning Untuk Mengklasifikasi Nominal Pada Uang Kertas Rupiah Secara Realtime Dengan Metode SSD.

Untuk pembacaaan atau pendeteksian uang menggunakan webcam melalui openCV. Objek yang digunakan ada 7 uang kertas dengan tahun emisi 2016 yaitu Rp. 1.000, Rp. 2.000, Rp. 5.000, Rp. 10.000, Rp. 20.000, Rp. 50.000, dan Rp. 100.000. Proses awalnya yaitu gambar model setiap uang kertas ditraining dahulu agar sistem dapat mempelajari dan mengenali uang kertas yang diuji. Kemudian hasil gambar yang sudah ditraining digunakan sebagai sampel untuk acuan pada testing atau uji coba langsung menggunakan webcam. Pada uji coba langsung bermain dengan jarak, dijarak manakah sistem dapat mengenali dan tidak dapat mengenali uang kertas tersebut. Tujuan pembuatan Tugas Akhir ini adalah untuk mengetahui seberapa akurat sistem dalam mengenali uang kertas rupiah tersebut seperti otak manusia. Referensi membuat Tugas Akhir ini adalah dari mesin ATM, mungkin dikemudian hari sistem ini dapat diterapkan pada mesin ATM. Jadi pengguna mesin ATM dapat menyetor uang hingga Rp. 1.000. Adapun kekurangan pada sistem ini yaitu sistem hanya dapat mengenali uang kertas rupiah yang ber emisi 2016, sistem masih belum bisa mengetahui keaslian atau palsu nya uang kertas rupiah, dan butuh pencahayaan yang optimal juga.