Analisa Gerakan Manusia Pada Video Digital

Save this PDF as:
 WORD  PNG  TXT  JPG

Ukuran: px
Mulai penontonan dengan halaman:

Download "Analisa Gerakan Manusia Pada Video Digital"

Transkripsi

1 Analisa Gerakan Manusia Pada Video Digital Abstrak - Pengenalan cara bergerak tubuh manusia (human motion) dari video stream memiliki beberapa aplikasi dalam video surveillance (pengawasan), dunia hiburan, dll. Pemanfaatan kamera sebagai pengawasan (CCTV) masih memiliki banyak kelemahan. Kamera hanya merekam sebuah kejadian saja, sehingga masih dibutuhkan pengawasan dari penjaga secara terus menerus. Kadang sebuah kejadian terabaikan begitu saja dan baru diketahui setelah beberapa saat. Keterlambatan itu menyebabkan informasi yang diperoleh menjadi tidak berguna. Dengan keterbatasan dalam pemberian informasi maka dibutuhkan sebuah kemampuan tambahan untuk meningkatkan kerja kamera pengawas. Salah satu kemampuan tambahan yang dapat digunakan adalah object detection yang membantu memberi informasi ketika ada orang yang tertangkap kamera. Sehingga keberadaan orang yang tertangkap kamera cepat disadari. Pengenalan gerakan tubuh manusia bisa digunakan untuk memisahkan gerakan manusia dengan latar belakangnya (background substraction). Dari pengenalan gerakan manusia tersebut, maka dapat dilakukan proses pendeteksian gerakan manusia. Pendeteksian gerakan gerakan manusia dapat dikembangkan menjadi proses pelacakan dari gerakan gerakan manusia yang terekam oleh video sehingga dapat diimplementasikan pada video surveillance (pengawasan) pada CCTV. Pada tugas akhir ini akan mempelajari teknik - teknik dari object tracking (pelacakan objek bergerak) yang digunakan untuk analisa gerakan manusia pada video digital dengan menggunakan software Matlab. Proses analisa gerakannya melalui beberapa tahap yaitu pemodelan lingkungan, memisahkan antara obyek bergerak dengan latar belakangnya (background substraction), segmentasi gerakan obyek, object detection, dan object tracking. Hasil yang didapatkan dari analisa gerakan manusia tersebut berupa analisa jarak dan kecepatan dari gerakan gerakan objek tersebut (terutama dalam gerakan berjalan) yang tertangkap oleh video kamera yang mempunyai tingkat akurasi tertentu. Kata kunci : human motion, object detection, object tracking. I. PENDAHULUAN emasangan kamera pada tempat tempat yang Pmembutuhkan pengawasan ketat mulai diminati oleh banyak pihak. Karena dianggap mampu melingkupi wilayah yang luas sehingga diharapkan dapat meningkatkan keamanan. Memasang kamera pengawas lebih lanjut dipilih untuk pengawasan tempat tempat yang tidak berpenjaga. Karena lebih efektif dalam pemakaian tenaga manusia dan juga lebih akurat. Namun dalam pemanfaatan kamera pengawas dibutuhkan tambahan pendukung yang lain. Kamera pengawas hanya akan merekam kejadian saja. Sering kali kita tidak menyadari sebuah kejadian dalam jangka waktu Miftahur Rohman 1), Wirawan 2) Jurusan Teknik Elektro FTI - ITS 1) 2) 1 yang lama. Dan ketika hal tersebut disadari, semua sudah terlambat dan semua informasi yang terekam menjadi tidak berguna. Karena pelaku telah pergi dan sulit untuk diketahui keberadaannya lagi. Dengan menambahkan teknik tembahan berupa informasi keberadaan orang yang tertangkap kamera, akan sangat membantu meningkatkan kerja kamera pengawas. Pengenalan pergerakan tubuh manusia (human motion) dari video stream memiliki beberapa aplikasi dalam video surveillance, dunia hiburan, user interface, olahraga dan bidang lainnya. Jika terdefinisikan beberapa jenis gerakan tubuh, maka problem pengenalan gerakan tubuh manusia bisa digunakan untuk memisahkan gerakan manusia dengan latar belakangnya (background substraction). Cara bergerak manusia adalah suatu ruang lingkup yang lebih kecil dari begitu banyak dan kompleksnya tipe gerakan manusia. Karena terdapat berbagai macam gerakan tubuh manusia, analisa dan pengenalan gerakan tubuh biasanya difokuskan pada domain atau ruang lingkup yang lebih spesifik / khusus. Misalnya saja cara berjalan atau tipe gerakan kaki [2], gerakan ibu jari tangan [3], gerakan bagian kepala, gerakan badan. Tugas akhir ini akan fokus pada cara bergerak yang berdasarkan gerakan kaki misalnya berjalan. Karena berhubungan dengan gerakan, maka yang menjadi input dalam sistem deteksi adalah video atau kumpulan frame image berukuran n m yang merekam dan merepresentasikan gerakan manusia. II. TEORI PENUNJANG A. Video Digital [1] Video digital pada dasarnya tersusun atas serangkaian frame. Rangkaian frame tersebut ditampilkan pada layar dengan kecepatan tertentu, tergantung pada frame rate yang diberikan (dalam frame/second). Jika frame rate cukup tinggi, mata manusia tidak dapat menangkap gambar atau frame, melainkan menangkapnya sebagai rangkaian frame yang saling bersambungan (continue). Karakteristik suatu video digital ditentukan oleh resolusi (resolution) atau frame dimention (dimensi gambar), aspect ratio, bit depth (kedalaman bit), frame rate (laju frame), dan pixel video tersebut. Karakteristik - karakteristik ini akan menentukan kualitas video dan jumlah bit yang dibutuhkan untuk menampilkannya. B. Pengenalan Gerakan Manusia Pengenalan dari pergerakan tubuh manusia (human motion) dari video stream memiliki beberapa aplikasi dalam video surveillance (pengawasan), dunia hiburan, olahraga dan bidang lainnya. Jika terdefinisikan beberapa jenis gerakan

2 tubuh, maka problem pengenalan gerakan tubuh manusia bisa dinyatakan sebagai pengklasifikasian suatu gerakan ke dalam satu dari beberapa kelas gerakan tubuh yang ada. Cara bergerak manusia adalah suatu ruang lingkup yang lebih kecil dari begitu banyak dan kompleksnya tipe gerakan manusia. Karena terdapat berbagai macam gerakan tubuh manusia, analisa dan pengenalan gerakan tubuh biasanya difokuskan pada domain atau ruang lingkup yang lebih spesifik. Misalnya saja cara berjalan atau tipe gerakan kaki [2], gerakan ibu jari tangan [3], gerakan bagian kepala, gerakan badan. Karena berhubungan dengan gerakan, maka yang menjadi input dalam sistem klasifikasi adalah klip video atau kumpulan frame image berukuran n m yang merekam dan merepresentasikan gerakan manusia. C. Motion Segmentation Motion segmentation bertujuan untuk memisahkan suatu gerakan ke dalam beberapa gerakan - gerakan dengan suatu kriteria tertentu. Jenis operasi ini berkaitan dengan pengenalan pola. Kebanyakan segmentasi gambar memilih daerah dengan kualitas gambar yang bagus dan setelah itu mencari daerah yang terbaik dan cocok untuk gambar. Segmentasi mengacu pada label piksel-piksel yang dihubungkan dengan daerah atau gerakan objek dengan perbedaan yang jelas. Segmentasi mempunyai hubungan erat dengan dua masalah lain antara motion detection dan motion estimation. Motion detection adalah panggilan khusus untuk motion segment dengan hanya dua segmen yang sesuai dengan gerakan kemudian dibandingkan dengan daerah gambar yang tidak bergerak (untuk kamera yang tidak bergerak) atau global dibandingkan dengan daerah gerakan lokal (untuk kamera yang bergerak). D. Motion Detection Motion detection merupakan penelitian yang penting dalam keilmuan computer vision. Banyak metode motion detection yang telah ditemukan, satu diantaranya adalah dengan menghitung perbedaan nilai - nilai intensitas pada suatu piksel dari dua frame gambar yang diambil secara berturut-turut (frame difference) yang kemudian dilakukan proses thresholding untuk menentukan adanya perubahan objek atau tidak. Sekalipun metode ini sangat sederhana dalam proses implementasinya, tapi metode ini merupakan metode dasar dari proses motion detection. Hanya saja metode ini kurang efektif untuk menentukan pergerakan objek secara keseluruhan, terutama bagian dalam dari objek yang bergerak, akan tetapi secara umum metode ini sudah mampu mengidentifikasi adanya perubahan objek. E. Pre Processing [4] Ketika kamera menangkap sebuah citra, seringkali tidak dapat langsung digunakan seperti yang diinginkan karena kualitasnya yang belum tentu memenuhi standar pengolahan. Sebagai contoh citra disertai oleh variasi intensitas yang kurang seragam akibat dari pencahayaan yang tidak merata atau lemah dalam hal kontras sehingga obyek sulit untuk dipisahkan dari latar belakangnya melalui operasi binerisasi (thresholding) karena terlalu banyak noise (gangguan atau distorsi dalam citra) dan lain sebagainya. Citra dengan kualitas seperti ini memerlukan langkah-langkah perbaikan atau kualitasnya perlu ditingkatkan untuk memfasilitasi pengolahan yang akan dilakukan. Semua ini memerlukan pengolahan awal dari sebuah sistem visual yang bertujuan meningkatkan kualitas citra secara umum, sebelum melangkah kepada pengolahan inti dengan tujuan yang lebih spesifik. Diantara teknik-teknik pengolahan awal untuk meningkatkan kualitas citra ini adalah penggunaan filter. F. Background Segmentation Background segmentation pada prinsipnya terbagi atas tiga, yaitu segmentasi terhadap warna, bentuk, dan tekstur. Segmentasi yang dilakukan adalah segmentasi terhadap warna yang merupakan proses untuk memisahkan obyek yang kita ambil dengan latar belakang obyeknya dimana pendekatan yang diambil adalah dengan pengelompokan (clustering) warna. Segmentasi terhadap warna dapat dilakukan melalui proses threshold. Sedangkan pada clustering warna - warna yang mendekati bagian warna sejenis nantinya akan diproses agar hanya memperoleh dua jenis warna yang menonjol yaitu hitam dan putih. G. Thresholding Salah satu metode yang sering digunakan dalam pengolahan citra digital atau image processing adalah thresholding citra. Thresholding citra adalah suatu metode yang digunakan untuk memisahkan antara obyek dan backgroundnya. Thresholding merupakan teknik yang sederhana dan efektif untuk segmentasi citra. Proses thresholding sering disebut dengan proses binerisasi. Pada beberapa aplikasi pengolahan citra, terlebih dahulu dilakukan threshold terhadap citra gray level untuk dapat menjadi citra biner (citra yang memiliki nilai level 0 dan 1). Sebuah citra hasil proses thresholding dapat disajikan dalam histogram citra untuk mengetahui penyebaran nilai-nilai intensitas piksel pada suatu citra/bagian tertentu dalam citra. Histogram dapat dibagi dengan baik (segmentasi objek dengan background) dan dapat ditentukan nilai threshold-nya. Threshold digunakan untuk mengatur jumlah derajat keabuan yang ada pada citra. H. Frame Difference [5] Perbedaan frame (frame difference) adalah teknik menghitung selisih antara 2 frame di setiap posisi pixel. Perbedaan frame digunakan untuk memvisualisasikan objek bergerak dalam urutan frame. Perbedaan Frame membutuhkan memori sangat sedikit untuk melakukan perhitungan. Sebagai contoh, jika kita mengambil urutan frame. Frame sekarang dan frame berikutnya yang akan dipertimbangkan pada setiap perhitungan. I. Edge Detection [6] Edge detection atau deteksi tepi adalah proses yang sering digunakan saat pengolahan image. Edge detection dapat diartikan sebagai pelacakan atau pendeteksian sudut-sudut / tepi suatu objek dalam sebuah image dimana sudut sudut / 2

3 Dimana : D (distance) adalah jarak yang ditempuh X 1 adalah posisi titik 1 pada sumbu X X 2 adalah posisi titik 2 pada sumbu X Y 1 adalah posisi titik 1 pada sumbu Y Y 2 adalah posisi titik 2 pada sumbu Y Gambar 1. Hasil beberapa deteksi tepi Kecepatan objek bergerak dihitung dengan jarak tempuh itu berkaitan dengan waktu. Rumus jarak Euclidean digunakan untuk menghitung jarak antara urutan frame. Dengan menggunakan nilai jarak sehubungan dengan frame rate, kecepatan dari objek terdefinisi [5]. Kecepatan terdefinisi adalah 2-dimensi (karena kamera statis). Gambar 2. Image dengan bounding box tepi tersebut dibedakan berdasarkan perbedaan nilai R, G dan B masing-masing piksel. Deteksi tepi (Edge Detection) pada suatu citra adalah suatu proses yang menghasilkan tepi-tepi dari objek - objek citra, tujuannya adalah : Untuk menandai bagian yang menjadi detail citra Untuk memperbaiki detail dari citra yang kabur J. Bounding Box [5] Jika segmentasi ini dilakukan dengan menggunakan frame difference. Gambar divisualisasikan dengan bounding box melalui dimensi objek yang dihasilkan dari gambar sebelumnya. Untuk gambar tertentu, scanning dilakukan dimana nilai intensitas dari gambar lebih dari batas (tergantung pada nilai yang diberikan, untuk menetapkan keakuratan yang maksimum). Dalam hal ini fitur diekstraksi (feature extraction) oleh warna yang menggambarkan nilai intensitas warna. Pixel tersebut. Nilai-nilai intensitas dari atas, bawah, kiri dan kanan menggunakan dimensi ini nilai kotak pembatas persegi panjang diplot dalam batas-batas nilai yang dihasilkan. K. Tracking Proses mencari objek bergerak dalam urutan frame yang dikenal sebagai pelacakan. Pelacakan ini dapat dilakukan dengan menggunakan ekstraksi ciri benda dan mendeteksi objek / benda bergerak di urutan frame. Dengan menggunakan nilai posisi objek di setiap frame, kita dapat menghitung posisi dan kecepatan objek bergerak [7]. Jarak yang ditempuh oleh objek ditentukan dengan menggunakan titik pusat dari bounding box tersebut. Jarak yang dihitung dengan menggunakan rumus jarak Euclidean [5]. Rumus jarak Euclidean pada 2 dimensi merupakan perpindahan sebuah simbol antara satu titik ke titik lainnya pada sumbu X dan sumbu Y. Dimana : V (velocity) adalah kecepatan yang dicapai dalam melakukan perpindahan. D (distance) adalah jarak yang ditempuh. T (time) adalah waktu yang ditempuh dalam melakukan perpindahan III. PEMODELAN DAN SIMULASI SISTEM Strategi analisis meliputi sistem pengujian untuk analisa gerakan dengan hasil analisa berupa object tracking. Proses analisa gerakannya melalui beberapa tahap yaitu segmentasi, feature extraction, object detection, dan object tracking. 1. PEMODELAN LINGKUNGAN BACKGROUND Proses pemodelan lingkungan adalah memilih tipe lingkungan yang sesuai dengan sistem yang akan dibangun. Lingkungan (background) pada suatu video klip didefinisikan sebagai bagian image yang relatif statis terhadap perubahan waktu. Apabila melakukan analisa gerakan dengan latar belakang yang bergerak maka proses pendeteksian gerak pada objek yang dituju menjadi sulit, karena terdapat banyak gerakan yang dideteksi. 2. PEREKAMAN DENGAN KAMERA Untuk kamera yang posisinya tetap, maka kita akan mendapatkan image background dari objek frame yang bergerak dengan mudah. Karena yang terdeteksi gerakan hanya pada objek yang dituju. Jika terdapat variasi karena pencahayaan yang berubah, bayangan obyek, gerakan kamera atau gerakan obyek-obyek pada latar belakang maka problem mendapatkan model latar belakang menjadi lebih rumit karena Gambar 3. Blok diagram 3

4 banyak gerakan yang terdeteksi. Untuk melakukan analisa gerakannya dengan menggunakan Matlab dibutuhkan hasil video dari kamera yang berformat AVI (Audio Video Interleave) dan kapasitas file video tersebut tidak terlalu besar. Apabila file video tersebut berkapasitas besar, maka pemrosesan analisa gerakan pada video tersebut membutuhkan waktu yang lama untuk prosesnya. Jika melakukan perekaman dengan menggunakan suatu kamera tetapi kamera tersebut tidak menghasilkan video yang berformat AVI, maka perlu konversi terlebih dahulu menjadi video yang berformat AVI agar bisa diproses pada Matlab. 3. PRE PROCESSING Ketika kamera menangkap sebuah citra, seringkali tidak dapat langsung digunakan seperti yang diinginkan karena kualitasnya yang belum tentu memenuhi standar pengolahan untuk melakukan analisa gerak melalui thresholding. Sebagai contoh citra disertai oleh variasi intensitas yang kurang seragam akibat dari pencahayaan yang tidak merata, atau lemah dalam hal kontras sehingga obyek sulit untuk dipisahkan dari latar belakangnya melalui operasi binerisasi (yang dianggap sebagai warna hitam dan putih untuk segmentasi antara objek dengan background) karena terlalu banyak noise. 4. SEGMENTASI Segmentasi gambar pada video bertujuan untuk mendeteksi daerah - daerah yang berhubungan dengan obyek bergerak dengan lingkungannya / background. Proses proses setelah segmentasi gambar kemudian memberi perhatian yang lebih khusus pada obyek bergerak yang dihasilkan. Teknik background substraction pada video dari sebuah kamera statis diharapkan dapat membedakan obyek dengan latar belakangnya sehingga obyek bisa diisolasi dan dikenali sepanjang frame pada video. 5. FEATURE EXTRACTION Sebelum melakukan deteksi objek, diperlukan fitur ekstraksi. Fitur akstraksi (bounding box) ini, berfungsi sebagai proses transformasi data masukan menjadi kumpulan fitur fitur untuk mengambil informasi yang relevan dari data masukan dengan tujuan untuk mengambil representasi minimal dari data masukan. 6. OBJECT DETECTION Tracking atau sistem pelacakan merupakan salah satu pengembangan dari pengolahan citra (image processing) dimana metode ini dapat digunakan untuk melacak posisi objek sekaligus mengenali pergerakan objek melalui fitur ekstraksi sebelumnya. IV. ANALISA HASIL SIMULASI Pada tugas akhir ini, hasil yang didapatkan dari analisa gerakan manusia tersebut adalah berupa object tracking dari pendeteksian gerakan yang tertangkap oleh video kamera yang ditempatkan secara diam. Pada object tracking melalui deteksi objek ini mempunyai tingkat akurasi tertentu. Setelah melakukan tracking pada objek tersebut selanjutnya mencari jarak yang ditempuh dengan menggunakan pergerakan pixel dari titik pusat bounding box yang mengikuti pergerakan objek tersebut. Setelah didapatkan jarak dari pergerakan titik pusat bounding box, maka dapat dicari kecepatan dari gerakan objek tersebut. Pada perekaman melalui kamera tersebut akan menghasilkan video yang berukuran tinggi dan mempunyai frame rate yang tinggi juga. Untuk mempermudah proses analisa melalui Matlab, maka perlu pengkompresian untuk memudahkan prosesnya Untuk mengetahui informasi informai yang terdapat pada video pertama, dapat kita lihat pada properties Media Player Classic dan Gomplayer. Berikut ini adalah tabel inormasi dari video pertama. Tabel 1. Informasi Video Parameter Satuan Format File Size Duration Overall Bit Rate Format Video Codec ID Codec ID/Info Width Height Display Aspect Ratio Frame Rate Bits/(Pixel*Frame) Stream size Input Type Output Type AVI 530 KiB 4s 667ms 929 Kbps AVC H264 Advanced Video Codec 320 pixels 240 pixels 4: fps KiB (99%) YUV YUV Gambar 4. Proses pelacakan objek dari thresholding dan substraction frame Gambar 5. frame asli dari video 4

5 Untuk mengetahui skala jarak, dicari jarak yang ditempuh titik tengah bounding box dari objek yang terdeteksi pada frame awal yaitu pada pada frame ke 2 sampai dengan frame terakhir. Pada video ini, jumlah frame tersebut sebanyak 70 frame. Jadi frame terakhir pada video tersebut adalah frame ke 70. Pada frame 2 diketahui posisi titik tengah dari bounding box yaitu pada koordinat (68.5,37). Gambar 6. Background substraction dengan background berwarna hitam dan objek berwarna putih Gambar 8. frame 2 dengan skala gambarnya Gambar 7. Background substraction dengan background berwarna putih dan objek berwarna hitam Dari informasi tabel tersebut dapat diketahui bahwa jumlah frame tersebut adalah sebagai berikut : Jumlah Frame = Frame Rate * Duration = Frame/s * s = Frame = 70 Frame Jumlah frame yang tersedia pada video dipengaruhi oleh frame rate dan duration. Semakin besar frame rate atau durasi dalam menampilkan gambar, maka semakin banyak pula gambar yang diperoleh. 1. Background substraction Pada pemisahan objek dengan backgroundnya dapat dilakukan dengan dua cara yaitu menggunakan backgroundnya dengan bernilai 0 (berwarna hitam) dengan objeknya bernilai 1 (berwarna putih) atau sebaliknya pada backgroundnya dengan bernilai 1 (berwarna putih) dengan objeknya bernilai 0 (berwarna hitam). 2. Perhitungan skala jarak pada video pertama Pada perhitungan skala jarak ini menggunakan perbandingan antara jarak nyata dengan jarak pada koordinat video yang menggunakan ukuran dari video tersebut. Ukuran jarak yang digunakan pada koordinat video tersebut menggunakan perpindahan posisi titik pusat dari bounding box tersebut. Untuk mengetahui posisi skala titik tengah, maka pada frame tersebut ditampilkan skala ukuran dari video tersebut yaitu sebanyak 240 pixel pada koordinat Y dan 320 pada koordinat X. Pada proses object tracking, frame 1 dari video tersebut tidak dapat dideteksi karena pada frame ke 1 tidak terdapat gerakan karena gerakan baru dimulai dan tidak terdapat perbedaan posisi pixel dari frame sebelumnya, maka pada proses object tracking dimulai pada frame ke 2. Gambar 9. frame 70 dengan skala gambarnya Gambar 10. Frame ke 3 dengan skala gambarnya Pada frame ke 70 posisi titik tengah dari bounding box tersebut adalah (274,38). Maka jarak perpindahan posisi koordinat titik tengah kedua frame adalah 205 Pada jarak nyata diketahui panjangnya sebesar 7.8 meter. Skala perbandingan antara jarak nyata dengan jarak pada koordinat adalah 205 : 7.8 atau : 1. Dengan waktu yang dibutuhkan dari frame ke 2 sampai dengan frame ke 70 adalah second. Maka untuk menampilkan tiap frame nya membutuhkan waktu second atau 66.6 milisecond. Jadi kecepatan yang dicapai dari frame awal sampai dengan frame terakhir adalah 1.67m/s 5

6 3. Perhitungan jarak dan kecepatan antar frame video kedua Pada frame ke 3 dapat diketahui posisi titik tengahnya adalah (70.5,37). Maka jarak antara titik tengah frame ke 2 dengan frame ke 3 adalah 1.5 Jarak yang dicapai antara titik tengah frame ke 2 dengan frame ke 3 adalah 1.5. Maka untuk mencapai jarak nyatanya adalah = m. Kecepatan yang dicapai adalah 0.057m/0.066s = 0.86m/s Untuk melakukan perhitungan jarak antar frame yang satu dengan yang lainnya, perhitungannya sama dengan antara frame ke 2 dengan frame ke KESIMPULAN V. PENUTUP Berdasarkan hasil simulasi dan analisa, diperoleh beberapa kesimpulan sebagai berikut: 1. Dalam analisa gerakan manusia pada video digital ini terdapat perbedaan jarak yang dihitung melalui video dengan jarak nyata. 2. Video dengan posisi kamera perekaman dengan sudut tegak lurus pada objek yang bergerak memiliki error yang sedikit dalam perbandingan antara perhitungan jarak nyata dengan perhitungan jarak melalui video. 3. Video dengan posisi kamera perekaman dengan sudut tertentu pada objek yang bergerak memiliki error yang signifikan dalam perbandingan antara perhitungan jarak nyata dengan perhitungan jarak melalui video. 4. Posisi kamera dalam melakukan perekaman menentukan validasi dalam perhitungan jarak pada objek yang bergerak. 5. Gerak objek dalam bergerak tersebut juga menentukan validasi dalam perhitungan jarak melalui video dengan jarak nyata. 6. Dalam analisa gerakan manusia pada video digital ini, jika terdapat suatu kerumunan belum dapat mendeteksi objek satu persatu IEEE, 2004 [3] Wong. Stephen, Cipolla R, Real-time Adaptive Hand Motion Recognition Using A Sparse Bayesian Classifie, Proceeding International Conference on Computer Vision, 2005 [4] Usman. Ahmad, Pengolahan Citra Digital dan Teknik Pemrogramannya, Yogyakarta, Penerbit Graha Ilmu, 2005 [5] Lokesh Peddireddi, Object Tracking and Velocity Determination using TMS320C6416T DSK, Fakultät für Technische Wissenschaften, Universität Klagenfurt, Austria [6] Braccini, Carlo, Defloriani, Leila, Image Analysis And Processing, 8th International Conference ICIAP, Italy, 1995 [7] Alper Yilmaz, Omar Javed, and Mubarak Shah. Object tracking: A survey. ACM Comput. Surv., 38(4):13, BIODATA PENULIS Miftahur Rohman, dilahirkan di Surabaya 07 Juli Memulai pendidikan Sekolah Dasar di SDN Jagir II Surabaya, kemudian meneruskan pendidikan di SLTPN 13 Surabaya dan SMA Negeri 16 Surabaya. Kemudian meneruskan pendidikan D3 Teknik Elektro bidang studi komputer kontrol dan melanjutkan ke jenjang S1 di Teknik Elektro bidang studi Telekomunikasi Multimedia ITS. Sekarang sedang mengerjakan tugas akhir di Bidang Studi Telekomunikasi Multimedia, Jurusan Teknik Elektro, Fakultas Teknologi Industri, Institut Teknologi Sepuluh Nopember (ITS) Surabaya. 2. SARAN Dengan diselesaikannya tugas akhir ini diharapkan dapat digunakan guna mengembangkan sistem pendeteksian gerakan secara real time yaitu pendeteksian secara langsung secara live dari video. Dari pengembangan tersebut, nantinya dapat digunakan dalam beberapa aplikasi pendeteksian gerakan, seperti dalam pengawasan dengan menggunakan CCTV, digunakan untuk entertainment, digunakan untuk pembuatan robot yang dapat mendeteksi gerakan, pendeteksi pada tiap tiap objek pada suatu kerumunan, dan juga untuk pengembangan alat pendeteksi kecepatan melalui video. Selain itu juga dapat dikembangkan untuk aplikasi objek klasifikasi tiap gerakan gerakan manusia. DAFTAR PUSTAKA [1] Zettl. Herbert, Video Basics, Canada, 2010 [2] Dongwei. Cao, Masoud. O. Et. All, Online Motion Classification Using Support Vector Machines, International Conference On Robotics and Automation, 6

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1. Citra Citra (image) sebagai salah satu komponen multimedia memegang peranan sangat penting sebagai bentuk informasi visual. Citra mempunyai karakteristik yang tidak dimiliki oleh

Lebih terperinci

DETEKSI GERAK BANYAK OBJEK MENGGUNAKAN BACKGROUND SUBSTRACTION DAN DETEKSI TEPI SOBEL

DETEKSI GERAK BANYAK OBJEK MENGGUNAKAN BACKGROUND SUBSTRACTION DAN DETEKSI TEPI SOBEL DETEKSI GERAK BANYAK OBJEK MENGGUNAKAN BACKGROUND SUBSTRACTION DAN DETEKSI TEPI SOBEL Muhammad Affandes* 1, Afdi Ramadani 2 1,2 Teknik Informatika UIN Sultan Syarif Kasim Riau Kontak Person : Muhammad

Lebih terperinci

Analisa dan Pemodelan Kerumunan Orang pada Video Digital

Analisa dan Pemodelan Kerumunan Orang pada Video Digital Sidang Tugas Akhir Analisa dan Pemodelan Kerumunan Orang pada Video Digital Oleh: Nick Darusman (2209106015) Dosen Pembimbing Dr. Ir. Wirawan, DEA Jumat, 24 Januari 2012 Surabaya 1 Latar Belakang Angka

Lebih terperinci

BAB 3 PERANCANGAN SISTEM

BAB 3 PERANCANGAN SISTEM BAB 3 PERANCANGAN SISTEM 3.1 Metode Perancangan Perancangan sistem didasarkan pada teknologi computer vision yang menjadi salah satu faktor penunjang dalam perkembangan dunia pengetahuan dan teknologi,

Lebih terperinci

BAB III PERANCANGAN SISTEM. Pada dewasa sekarang ini sangat banyak terdapat sistem dimana sistem tersebut

BAB III PERANCANGAN SISTEM. Pada dewasa sekarang ini sangat banyak terdapat sistem dimana sistem tersebut BAB III PERANCANGAN SISTEM 3.1 Definisi Masalah Pada dewasa sekarang ini sangat banyak terdapat sistem dimana sistem tersebut sudah terintegrasi dengan komputer, dengan terintegrasinya sistem tersebut

Lebih terperinci

PELACAKAN LEVEL KETINGGIAN AIR BERDASARKAN WARNA DENGAN BACKGROUND SUBSTRACTION

PELACAKAN LEVEL KETINGGIAN AIR BERDASARKAN WARNA DENGAN BACKGROUND SUBSTRACTION PELACAKAN LEVEL KETINGGIAN AIR BERDASARKAN WARNA DENGAN BACKGROUND SUBSTRACTION Adhadi Kurniawan 1), I Wayan Mustika 2), dan Sri Suning Kusumawardani 3) 1),2), 3) Laboratorium Sistem Elektronis, Jurusan

Lebih terperinci

BAB 3 ANALISA DAN PERANCANGAN

BAB 3 ANALISA DAN PERANCANGAN 44 BAB 3 ANALISA DAN PERANCANGAN 3.1 Analisa Analisa yang dilakukan terdiri dari : a. Analisa terhadap permasalahan yang ada. b. Analisa pemecahan masalah. 3.1.1 Analisa Permasalahan Pengenalan uang kertas

Lebih terperinci

Pengembangan Prototype Sistem Untuk Manajemen Lahan Parkir Dengan Jaringan Sensor Kamera Nirkabel

Pengembangan Prototype Sistem Untuk Manajemen Lahan Parkir Dengan Jaringan Sensor Kamera Nirkabel Pengembangan Prototype Sistem Untuk Manajemen Lahan Parkir Dengan Jaringan Sensor Kamera Nirkabel ALDELLA PUTRA A. NRP 070006 Bidang Studi Telekomunikasi Multimedia Jurusan Teknik Elektro-FTI, Institut

Lebih terperinci

APLIKASI IDENTIFIKASI ISYARAT TANGAN SEBAGAI PENGOPERASIAN E-KIOSK

APLIKASI IDENTIFIKASI ISYARAT TANGAN SEBAGAI PENGOPERASIAN E-KIOSK APLIKASI IDENTIFIKASI ISYARAT TANGAN SEBAGAI PENGOPERASIAN E-KIOSK Wiratmoko Yuwono Jurusan Teknologi Informasi Politeknik Elektronika Negeri Surabaya-ITS Jl. Raya ITS, Kampus ITS, Sukolilo Surabaya 60111

Lebih terperinci

BAB III METODE PENELITIAN. melacak badan manusia. Dimana hasil dari deteksi atau melacak manusia itu akan

BAB III METODE PENELITIAN. melacak badan manusia. Dimana hasil dari deteksi atau melacak manusia itu akan BAB III METODE PENELITIAN 3.1. Model Pengembangan Tujuan dari tugas akhir ini adalah untuk membuat sebuah aplikasi untuk mengatur kontras pada gambar secara otomatis. Dan dapat meningkatkan kualitas citra

Lebih terperinci

Oleh: Riza Prasetya Wicaksana

Oleh: Riza Prasetya Wicaksana Oleh: Riza Prasetya Wicaksana 2209 105 042 Pembimbing I : Dr. I Ketut Eddy Purnama, ST., MT. NIP. 196907301995121001 Pembimbing II : Muhtadin, ST., MT. NIP. 198106092009121003 Latar belakang Banyaknya

Lebih terperinci

Pengantar PENGOLAHAN CITRA. Achmad Basuki PENS-ITS Surabaya 2007

Pengantar PENGOLAHAN CITRA. Achmad Basuki PENS-ITS Surabaya 2007 Pengantar PENGOLAHAN CITRA Achmad Basuki PENS-ITS Surabaya 2007 TUJUAN Mahasiswa dapat membuat aplikasi pengolahan citra Mahasiswa dapat menerapkan konsep-konsep pengolahan citra untuk menghasilkan suatu

Lebih terperinci

BAB 2 LANDASAN TEORI. metode yang digunakan sebagai pengawasan kendaraan yang menggunakan pengenalan

BAB 2 LANDASAN TEORI. metode yang digunakan sebagai pengawasan kendaraan yang menggunakan pengenalan BAB 2 LANDASAN TEORI 2.1 Automatic Number Plate Recognition Automatic Number Plate Recognition atau yang disingkat dengan ANPR adalah metode yang digunakan sebagai pengawasan kendaraan yang menggunakan

Lebih terperinci

SEGMENTASI CITRA MEDIK MRI (MAGNETIC RESONANCE IMAGING) MENGGUNAKAN METODE REGION THRESHOLD

SEGMENTASI CITRA MEDIK MRI (MAGNETIC RESONANCE IMAGING) MENGGUNAKAN METODE REGION THRESHOLD SEGMENTASI CITRA MEDIK MRI (MAGNETIC RESONANCE IMAGING) MENGGUNAKAN METODE REGION THRESHOLD Murinto, Resa Fitria Rahmawati Program Studi Teknik Informatika Fakultas Teknologi Industri Universitas Ahmad

Lebih terperinci

COMPUTER VISION UNTUK PENGHITUNGAN JARAK OBYEK TERHADAP KAMERA

COMPUTER VISION UNTUK PENGHITUNGAN JARAK OBYEK TERHADAP KAMERA Seminar Nasional Teknologi Terapan SNTT 2013 (26/10/2013) COMPUTER VISION UNTUK PENGHITUNGAN JARAK OBYEK TERHADAP KAMERA Isnan Nur Rifai *1 Budi Sumanto *2 Program Diploma Elektronika & Instrumentasi Sekolah

Lebih terperinci

Perancangan Sistem Identifikasi Barcode Untuk Deteksi ID Produk Menggunakan Webcam

Perancangan Sistem Identifikasi Barcode Untuk Deteksi ID Produk Menggunakan Webcam Perancangan Sistem Identifikasi Barcode Untuk Deteksi ID Menggunakan Webcam Albert Haryadi [1], Andrizal,MT [2], Derisma,MT [3] [1] Jurusan Sistem Komputer Fakultas Teknologi Informasi Universitas Andalas,

Lebih terperinci

BAB I PENDAHULUAN. teknologi pengolahan citra (image processing) telah banyak dipakai di berbagai

BAB I PENDAHULUAN. teknologi pengolahan citra (image processing) telah banyak dipakai di berbagai BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Citra (image) adalah bidang dalam dwimatra (dua dimensi) (Munir, 2004). Sebagai salah satu komponen multimedia, citra memegang peranan sangat penting sebagai

Lebih terperinci

BAB III ANALISIS DAN PERANCANGAN SISTEM. Dalam pengerjaan tugas akhir ini memiliki tujuan untuk mengektraksi

BAB III ANALISIS DAN PERANCANGAN SISTEM. Dalam pengerjaan tugas akhir ini memiliki tujuan untuk mengektraksi BAB III ANALISIS DAN PERANCANGAN SISTEM 3.1 Model Pengembangan Dalam pengerjaan tugas akhir ini memiliki tujuan untuk mengektraksi fitur yang terdapat pada karakter citra digital menggunakan metode diagonal

Lebih terperinci

Pengenalan Benda di Jalan Raya dengan Metode Kalman Filter. Roslyn Yuniar Amrullah

Pengenalan Benda di Jalan Raya dengan Metode Kalman Filter. Roslyn Yuniar Amrullah Pengenalan Benda di Jalan Raya dengan Metode Kalman Filter Roslyn Yuniar Amrullah 7406040026 Abstrak Computer Vision merupakan disiplin ilmu perpanjangan dari pengolahan citra digital dan kecerdasan buatan.

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1 Meteran Air Meteran air merupakan alat untuk mengukur banyaknya aliran air secara terus menerus melalui sistem kerja peralatan yang dilengkapi dengan unit sensor, unit penghitung,

Lebih terperinci

JURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) 1-6 1

JURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) 1-6 1 JURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) 1-6 1 Rancang Bangun Sistem Pemantau Ruangan Berbasis Multi Kamera untuk Smartphone Android pada Jaringan Pikonet yang Adaptif terhadap Perubahan Situasi Ruangan

Lebih terperinci

PENGUKURAN KECEPATAN OBYEK DENGAN PENGOLAAN CITRA MENGGUNAKAN METODE THRESHOLDING SKRIPSI. Disusun Oleh : Hery Pramono NPM.

PENGUKURAN KECEPATAN OBYEK DENGAN PENGOLAAN CITRA MENGGUNAKAN METODE THRESHOLDING SKRIPSI. Disusun Oleh : Hery Pramono NPM. PENGUKURAN KECEPATAN OBYEK DENGAN PENGOLAAN CITRA MENGGUNAKAN METODE THRESHOLDING SKRIPSI Disusun Oleh : Hery Pramono NPM. 0434010389 JURUSAN TEKNIK INFORMATIKA FAKULTAS TEKNOLOGI INDUSTRI UNIVERSITAS

Lebih terperinci

DETEKSI DAN SEGMENTASI OTOMATIS DERET PADA CITRA METERAN AIR

DETEKSI DAN SEGMENTASI OTOMATIS DERET PADA CITRA METERAN AIR DETEKSI DAN SEGMENTASI OTOMATIS DERET PADA CITRA METERAN AIR Naser Jawas STIKOM Bali Jl. Raya Puputan, No.86, Renon, Denpasar, Bali Email: naser.jawas@gmail.com ABSTRAK Meter air adalah sebuah alat yang

Lebih terperinci

BAB 1 PENDAHULUAN. keakuratan dari penglihatan mesin membuka bagian baru dari aplikasi komputer.

BAB 1 PENDAHULUAN. keakuratan dari penglihatan mesin membuka bagian baru dari aplikasi komputer. 1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Melihat perkembangan teknologi sekarang ini, penggunaan komputer sudah hampir menjadi sebuah bagian dari kehidupan harian kita. Semakin banyak muncul peralatan-peralatan

Lebih terperinci

BAB 3 ANALISIS DAN PERANCANGAN SISTEM PROGRAM APLIKASI HANDS RECOGNIZER

BAB 3 ANALISIS DAN PERANCANGAN SISTEM PROGRAM APLIKASI HANDS RECOGNIZER BAB 3 ANALISIS DAN PERANCANGAN SISTEM PROGRAM APLIKASI HANDS RECOGNIZER Dalam analisis dan perancangan sistem program aplikasi ini, disajikan mengenai analisis kebutuhan sistem yang digunakan, diagram

Lebih terperinci

SISTEM PENGENALAN WAJAH MENGGUNAKAN WEBCAM UNTUK ABSENSI DENGAN METODE TEMPLATE MATCHING

SISTEM PENGENALAN WAJAH MENGGUNAKAN WEBCAM UNTUK ABSENSI DENGAN METODE TEMPLATE MATCHING SISTEM PENGENALAN WAJAH MENGGUNAKAN WEBCAM UNTUK ABSENSI DENGAN METODE TEMPLATE MATCHING Mohamad Aditya Rahman, Ir. Sigit Wasista, M.Kom Jurusan Teknik Elektronika, Politeknik Elektronika Negeri Surabaya

Lebih terperinci

Traffic IP Camera untuk Menghitung Kendaraan Roda Empat Menggunakan Metode Luasan Piksel

Traffic IP Camera untuk Menghitung Kendaraan Roda Empat Menggunakan Metode Luasan Piksel 1 Traffic IP Camera untuk Menghitung Kendaraan Roda Empat Menggunakan Metode Luasan Piksel Andi Muhammad Ali Mahdi Akbar, Arief Kurniawan, Ahmad Zaini Jurusan Teknik Elektro, Fakultas Teknik Industri Institut

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakang Dengan perkembangan komputer dan alat pengambilan gambar secara digital yang semakin berkembang saat ini, sehingga menghasilkan banyak fasilitas untuk melakukan proses

Lebih terperinci

Jobsheet 3 Cara Kerja Sistem CCTV

Jobsheet 3 Cara Kerja Sistem CCTV Jobsheet 3 Cara Kerja Sistem CCTV I. Tujuan Praktikum 1.Mahasiswa mengetahui cara mengoperasikan CCTV. 2.Mahasiswa dapat mengoperasikan CCTV. 3.Mahasiswa mengetahui cara kerja sistem CCTV. II. Deskripsi

Lebih terperinci

IMPLEMENTASI METODE RETINEX UNTUK PENCERAHAN CITRA

IMPLEMENTASI METODE RETINEX UNTUK PENCERAHAN CITRA IMPLEMENTASI METODE RETINEX UNTUK PENCERAHAN CITRA Murinto 1), Eko Aribowo, Elena Yustina Program Studi Teknik Informatika Fakultas Teknologi Industri Universitas Ahmad Dahlan Yogyakarta Email : murintokusno@yahoo.com

Lebih terperinci

Algoritma Kohonen dalam Mengubah Citra Graylevel Menjadi Citra Biner

Algoritma Kohonen dalam Mengubah Citra Graylevel Menjadi Citra Biner Jurnal Ilmiah Teknologi dan Informasia ASIA (JITIKA) Vol.9, No.2, Agustus 2015 ISSN: 0852-730X Algoritma Kohonen dalam Mengubah Citra Graylevel Menjadi Citra Biner Nur Nafi'iyah Prodi Teknik Informatika

Lebih terperinci

SEGMENTASI CITRA DIGITAL DENGAN MENGGUNAKAN ALGORITMA WATERSHED DAN LOWPASS FILTER SEBAGAI PROSES AWAL ( November, 2013 )

SEGMENTASI CITRA DIGITAL DENGAN MENGGUNAKAN ALGORITMA WATERSHED DAN LOWPASS FILTER SEBAGAI PROSES AWAL ( November, 2013 ) SEGMENTASI CITRA DIGITAL DENGAN MENGGUNAKAN ALGORITMA WATERSHED DAN LOWPASS FILTER SEBAGAI PROSES AWAL ( November, 2013 ) Pramuda Akariusta Cahyan, Muhammad Aswin, Ir., MT., Ali Mustofa, ST., MT. Jurusan

Lebih terperinci

APLIKASI TRANSFORMASI WATERSHED UNTUK SEGMENTASI CITRA DENGAN SPATIAL FILTER SEBAGAI PEMROSES AWAL

APLIKASI TRANSFORMASI WATERSHED UNTUK SEGMENTASI CITRA DENGAN SPATIAL FILTER SEBAGAI PEMROSES AWAL APLIKASI TRANSFORMASI WATERSHED UNTUK SEGMENTASI CITRA DENGAN SPATIAL FILTER SEBAGAI PEMROSES AWAL Murien Nugraheni Prodi Teknik Informatika Fak FTI UAD Jl. Prof. Dr. Soepomo, Janturan, Yogyakarta 55164,

Lebih terperinci

Penghitung Kendaraan Menggunakan Background Substraction dengan Background Hasil Rekonstruksi

Penghitung Kendaraan Menggunakan Background Substraction dengan Background Hasil Rekonstruksi Penghitung Kendaraan Menggunakan Substraction dengan Hasil Rekonstruksi Mohammad Musa Sanjaya #1, Dr. I Ketut Eddy Purnama, ST., MT. *2, Muhtadin,ST.,MT #3 Jurusan Teknik Elektro, ITS Surabaya 1 musopotamia@gmail.com

Lebih terperinci

Pengenalan Telur Berdasarkan Karakteristik Warna Citra Yustina Retno Wahyu Utami 2)

Pengenalan Telur Berdasarkan Karakteristik Warna Citra Yustina Retno Wahyu Utami 2) Pengenalan Telur Berdasarkan Karakteristik Warna Citra Yustina Retno Wahyu Utami 2) ISSN : 1693 1173 Abstrak Pengenalan obyek pada citra merupakan penelitian yang banyak dikembangkan. Salah satunya pengenalan

Lebih terperinci

1. Pendahuluan. 1.1 Latar Belakang

1. Pendahuluan. 1.1 Latar Belakang 1. Pendahuluan 1.1 Latar Belakang Pada saat ini pengamatan atau pemantauan suatu kondisi tempat ataupun ruangan melalui video sudah banyak diterapkan. Pengembangan dari sistem pengamatan berbasis video

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini mulai dilaksanakan pada bulan September 2011 s/d bulan Februari

III. METODE PENELITIAN. Penelitian ini mulai dilaksanakan pada bulan September 2011 s/d bulan Februari 48 III. METODE PENELITIAN A. Waktu dan Tempat Penelitian Penelitian ini mulai dilaksanakan pada bulan September 2011 s/d bulan Februari 2012. Pembuatan dan pengambilan data dilaksanakan di Laboratorium

Lebih terperinci

Muhammad Zidny Naf an, M.Kom. Gasal 2015/2016

Muhammad Zidny Naf an, M.Kom. Gasal 2015/2016 MKB3383 - Teknik Pengolahan Citra Pengolahan Citra Digital Muhammad Zidny Naf an, M.Kom. Gasal 2015/2016 CITRA Citra (image) = gambar pada bidang 2 dimensi. Citra (ditinjau dari sudut pandang matematis)

Lebih terperinci

SISTEM REKOGNISI KARAKTER NUMERIK MENGGUNAKAN ALGORITMA PERCEPTRON

SISTEM REKOGNISI KARAKTER NUMERIK MENGGUNAKAN ALGORITMA PERCEPTRON 30 BAB IV SISTEM REKOGNISI KARAKTER NUMERIK MENGGUNAKAN ALGORITMA PERCEPTRON 4.1 Gambaran Umum Sistem Diagram sederhana dari program yang dibangun dapat diilustrasikan dalam diagram konteks berikut. Gambar

Lebih terperinci

Analisis Perbandingan Algoritma Optical Flow dan Background Estimation untuk Pendeteksian Objek pada Video

Analisis Perbandingan Algoritma Optical Flow dan Background Estimation untuk Pendeteksian Objek pada Video Analisis Perbandingan Algoritma Optical Flow dan Background Estimation untuk Pendeteksian Objek pada Video Ety Sutanty dan Ari Rosemala Jurusan Sistem Informasi, Universitas Gunadarma Depok, Indonesia

Lebih terperinci

Program Aplikasi Komputer Pengenalan Angka Dengan Pose Jari Tangan Sebagai Media Pembelajaran Interaktif Anak Usia Dini

Program Aplikasi Komputer Pengenalan Angka Dengan Pose Jari Tangan Sebagai Media Pembelajaran Interaktif Anak Usia Dini Program Aplikasi Komputer Pengenalan Angka Dengan Pose Jari Tangan Sebagai Media Pembelajaran Interaktif Anak Usia Dini Wawan Kurniawan Jurusan PMIPA, FKIP Universitas Jambi wwnkurnia79@gmail.com Abstrak

Lebih terperinci

Rekognisi karakter optik merupakan salah satu aplikasi pengenalan pola yang

Rekognisi karakter optik merupakan salah satu aplikasi pengenalan pola yang 17 BAB II REKOGNISI KARAKTER NUMERIK 2.1 Gambaran Singkat Rekognisi Karakter Optik Rekognisi karakter optik merupakan salah satu aplikasi pengenalan pola yang dirancang untuk menerjemahkan teks baik berupa

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN 3.1 Rancangan Penelitian Pengerjaan tugas akhir ini ditunjukkan dalam bentuk blok diagram pada gambar 3.1. Blok diagram ini menggambarkan proses dari sampel citra hingga output

Lebih terperinci

Penentuan Stadium Kanker Payudara dengan Metode Canny dan Global Feature Diameter

Penentuan Stadium Kanker Payudara dengan Metode Canny dan Global Feature Diameter Penentuan Stadium Kanker Payudara dengan Metode Canny dan Global Feature Diameter Metha Riandini 1) DR. Ing. Farid Thalib 2) 1) Laboratorium Teknik Informatika, Fakultas Teknologi Industri, Universitas

Lebih terperinci

ANALISIS PELACAKAN OBJEK MOBIL DENGAN OPTICAL FLOW PADA KAMERA DIAM DAN BERGERAK

ANALISIS PELACAKAN OBJEK MOBIL DENGAN OPTICAL FLOW PADA KAMERA DIAM DAN BERGERAK ANALISIS PELACAKAN OBJEK MOBIL DENGAN OPTICAL FLOW PADA KAMERA DIAM DAN BERGERAK Wahyu Supriyatin 1), Winda Widya Ariestya 2) 1, 2) Fakultas Ilmu Komputer dan Teknologi Informasi, Universitas Gunadarma

Lebih terperinci

PERANCANGAN DAN PEMBUATAN APLIKASI UNTUK MENDETEKSI UANG LOGAM DENGAN METODE EUCLIDEAN

PERANCANGAN DAN PEMBUATAN APLIKASI UNTUK MENDETEKSI UANG LOGAM DENGAN METODE EUCLIDEAN Jurnal Teknik Informatika Vol. 1 September 2012 1 PERANCANGAN DAN PEMBUATAN APLIKASI UNTUK MENDETEKSI UANG LOGAM DENGAN METODE EUCLIDEAN Wahyu Saputra Wibawa 1, Juni Nurma Sari 2, Ananda 3 Program Studi

Lebih terperinci

BAB 3 ANALISIS DAN PERANCANGAN

BAB 3 ANALISIS DAN PERANCANGAN BAB 3 ANALISIS DAN PERANCANGAN 3.1 Analisis 3.1.1 Permasalahan Pemanfaatan Augmented Reality pada umumnya berfokus pada kemampuan visualnya, yaitu berupa bentuk tiga dimensi, lingkungan tiga dimensi, animasi,

Lebih terperinci

BAB VI HASIL DAN PEMBAHASAN

BAB VI HASIL DAN PEMBAHASAN BAB VI HASIL DAN PEMBAHASAN 4.1 Program Pengolahan Citra untuk Pengukuran Warna pada Produk Hortikultura Pengembangan metode pengukuran warna dengan menggunakan kamera CCD dan image processing adalah dengan

Lebih terperinci

IMPLEMENTASI DAN EVALUASI

IMPLEMENTASI DAN EVALUASI BAB 4 IMPLEMENTASI DAN EVALUASI Pada bab ini dibahas mengenai implementasi serta evaluasi terhadap metode transformasi wavelet dalam sistem pengenalan sidik jari yang dirancang. Untuk mempermudah evaluasi,

Lebih terperinci

Bab III Perangkat Pengujian

Bab III Perangkat Pengujian Bab III Perangkat Pengujian Persoalan utama dalam tugas akhir ini adalah bagaimana mengimplementasikan metode pengukuran jarak menggunakan pengolahan citra tunggal dengan bantuan laser pointer dalam suatu

Lebih terperinci

Suatu proses untuk mengubah sebuah citra menjadi citra baru sesuai dengan kebutuhan melalui berbagai cara.

Suatu proses untuk mengubah sebuah citra menjadi citra baru sesuai dengan kebutuhan melalui berbagai cara. Image Enhancement Suatu proses untuk mengubah sebuah citra menjadi citra baru sesuai dengan kebutuhan melalui berbagai cara. Cara-cara yang bisa dilakukan misalnya dengan fungsi transformasi, operasi matematis,

Lebih terperinci

BAB II DASAR TEORI. 2.1 Meter Air. Gambar 2.1 Meter Air. Meter air merupakan alat untuk mengukur banyaknya aliran air secara terus

BAB II DASAR TEORI. 2.1 Meter Air. Gambar 2.1 Meter Air. Meter air merupakan alat untuk mengukur banyaknya aliran air secara terus BAB II DASAR TEORI 2.1 Meter Air Gambar 2.1 Meter Air Meter air merupakan alat untuk mengukur banyaknya aliran air secara terus menerus melalui sistem kerja peralatan yang dilengkapi dengan unit sensor,

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA 2.1 Dasar Teori Citra Digital

BAB 2 TINJAUAN PUSTAKA 2.1 Dasar Teori Citra Digital 4 BAB 2 TINJAUAN PUSTAKA 2.1 Dasar Teori Bab ini berisi tentang teori yang mendasari penelitian ini. Terdapat beberapa dasar teori yang digunakan dan akan diuraikan sebagai berikut. 2.1.1 Citra Digital

Lebih terperinci

SISTEM KONTROL GERAK SEDERHANA PADA ROBOT PENGHINDAR HALANGAN BERBASIS KAMERA DAN PENGOLAHAN CITRA

SISTEM KONTROL GERAK SEDERHANA PADA ROBOT PENGHINDAR HALANGAN BERBASIS KAMERA DAN PENGOLAHAN CITRA SISTEM KONTROL GERAK SEDERHANA PADA ROBOT PENGHINDAR HALANGAN BERBASIS KAMERA DAN PENGOLAHAN CITRA Dirvi Eko Juliando Sudirman 1) 1) Teknik Komputer Kontrol Politeknik Negeri Madiun Jl Serayu No. 84, Madiun,

Lebih terperinci

BAB II TEORI PENUNJANG

BAB II TEORI PENUNJANG BAB II TEORI PENUNJANG 2.1 Computer Vision Komputerisasi memiliki ketelitian yang jauh lebih tinggi bila dibandingkan dengan cara manual yang dilakukan oleh mata manusia, komputer dapat melakukan berbagai

Lebih terperinci

DETEKSI KEBAKARAN BERBASIS WEBCAM SECARA REALTIME DENGAN PENGOLAHAN CITRA DIGITAL

DETEKSI KEBAKARAN BERBASIS WEBCAM SECARA REALTIME DENGAN PENGOLAHAN CITRA DIGITAL DETEKSI KEBAKARAN BERBASIS WEBCAM SECARA REALTIME DENGAN PENGOLAHAN CITRA DIGITAL Ari Sutrisna Permana 1, Koredianto Usman 2, M. Ary Murti 3 Jurusan Teknik Elektro - Institut Teknologi Telkom - Bandung

Lebih terperinci

PENGAMAN RUMAH DENGAN SISTEM FACE RECOGNITION SECARA REAL TIME MENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS

PENGAMAN RUMAH DENGAN SISTEM FACE RECOGNITION SECARA REAL TIME MENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS PENGAMAN RUMAH DENGAN SISTEM FACE RECOGNITION SECARA REAL TIME MENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS Sinar Monika 1, Abdul Rakhman 1, Lindawati 1 1 Program Studi Teknik Telekomunikasi, Jurusan

Lebih terperinci

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB I PENDAHULUAN 1.1 Latar Belakang BAB I PENDAHULUAN 1.1 Latar Belakang Akhir akhir ini teknologi yang berbasis " Sound and Video Capture Device " telah banyak berkembang. Para ilmuwan ataupun perusahaan yang bergerak di bidang IT memanfaatkan

Lebih terperinci

KLASIFIKASI TELUR AYAM DAN TELUR BURUNG PUYUH MENGGUNAKAN METODE CONNECTED COMPONENT ANALYSIS

KLASIFIKASI TELUR AYAM DAN TELUR BURUNG PUYUH MENGGUNAKAN METODE CONNECTED COMPONENT ANALYSIS Ikhwan Ruslianto KLASIFIKASI TELUR AYAM DAN TELUR BURUNG PUYUH MENGGUNAKAN METODE CONNECTED COMPONENT ANALYSIS IKHWAN RUSLIANTO Program Studi Teknik Informatika Sekolah Tinggi Manajemen Informatika dan

Lebih terperinci

BAB 3 PERANCANGAN SISTEM. Perancangan sistem dimulai dari penempatan posisi kamera dengan posisi yang

BAB 3 PERANCANGAN SISTEM. Perancangan sistem dimulai dari penempatan posisi kamera dengan posisi yang 23 BAB 3 PERANCANGAN SISTEM 3.1 Deskripsi Sistem Perancangan sistem dimulai dari penempatan posisi kamera dengan posisi yang sesuai kemudian dihubungkan dengan komputer yang akan mengolah gambar seperti

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN Penelitian ini menggunakan jenis penelitian eksperimen, dengan tahapan penelitian sebagai berikut: 3.1 Pengumpulan Data Tahap ini merupakan langkah awal dari penelitian. Dataset

Lebih terperinci

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB I PENDAHULUAN 1.1 Latar Belakang BAB I PENDAHULUAN 1.1 Latar Belakang Pesatnya perkembangan teknologi saat ini menjadi umpan bagi para ahli untuk mencetuskan terobosan-terobosan baru berbasis teknologi canggih. Terobosan ini diciptakan

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1 Pengenalan Marka Jalan Marka jalan merupakan suatu penanda bagi para pengguna jalan untuk membantu kelancaran jalan dan menghindari adanya kecelakaan. Pada umumnya marka jalan

Lebih terperinci

IP TRAFFIC CAMERA PADA PERSIMPANGAN JALAN RAYA MENGGUNAKAN METODE LUASAN PIKSEL

IP TRAFFIC CAMERA PADA PERSIMPANGAN JALAN RAYA MENGGUNAKAN METODE LUASAN PIKSEL IP TRAFFIC CAMERA PADA PERSIMPANGAN JALAN RAYA MENGGUNAKAN METODE LUASAN PIKSEL OLEH : ANDI MUHAMMAD ALI MAHDI AKBAR Pembimbing 1: Arief Kurniawan, ST., MT Pembimbing 2: Ahmad Zaini, ST., M.Sc. Page 1

Lebih terperinci

Sistem Pendeteksi Aktivitas Kendaraan Pada Area Parkir Dengan Jaringan Multi-Camera

Sistem Pendeteksi Aktivitas Kendaraan Pada Area Parkir Dengan Jaringan Multi-Camera Sistem Pendeteksi Aktivitas Kendaraan Pada Area Parkir Dengan Jaringan Multi-Camera DODI WAHYU B NRP 2206100020 Bidang Studi Telekomunikasi Multimedia Jurusan Teknik Elektro-FTI, Institut Teknologi Sepuluh

Lebih terperinci

IV. HASIL DAN PEMBAHASAN

IV. HASIL DAN PEMBAHASAN IV. HASIL DAN PEMBAHASAN 4.1. Deteksi Dari citra setting yang telah direkam, dengan menggunakan software Paint Shop Pro v.6, diketahui nilai RGB dari tiap laser yang terekam oleh kamera CCD. RGB yang dicantumkan

Lebih terperinci

Representasi Citra. Bertalya. Universitas Gunadarma

Representasi Citra. Bertalya. Universitas Gunadarma Representasi Citra Bertalya Universitas Gunadarma 2005 Pengertian Citra Digital Ada 2 citra, yakni : citra kontinu dan citra diskrit (citra digital) Citra kontinu diperoleh dari sistem optik yg menerima

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN Penelitian ini adalah penelitian eksperimen dengan metode penelitian sebagai berikut: 1) Pengumpulan Data Tahap ini dilakukan sebagai langkah awal dari suatu penelitian. Mencari

Lebih terperinci

IV. HASIL DAN PEMBAHASAN

IV. HASIL DAN PEMBAHASAN IV. HASIL DAN PEMBAHASAN A. PROGRAM PENGOLAHAN CITRA BIJI KOPI Citra biji kopi direkam dengan menggunakan kamera CCD dengan resolusi 640 x 480 piksel. Citra biji kopi kemudian disimpan dalam file dengan

Lebih terperinci

PENGUKURAN GETARAN PADA POROS MODEL VERTICAL AXIS OCEAN CURRENT TURBINE (VAOCT) DENGAN METODE DIGITAL IMAGE PROCESSING

PENGUKURAN GETARAN PADA POROS MODEL VERTICAL AXIS OCEAN CURRENT TURBINE (VAOCT) DENGAN METODE DIGITAL IMAGE PROCESSING PRESENTASI TESIS (P3) PENGUKURAN GETARAN PADA POROS MODEL VERTICAL AXIS OCEAN CURRENT TURBINE (VAOCT) DENGAN METODE DIGITAL IMAGE PROCESSING HEROE POERNOMO 4108204006 LATAR BELAKANG Pengaruh getaran terhadap

Lebih terperinci

KAMERA PENDETEKSI GERAK MENGGUNAKAN MATLAB 7.1. Nugroho hary Mindiar,

KAMERA PENDETEKSI GERAK MENGGUNAKAN MATLAB 7.1. Nugroho hary Mindiar, KAMERA PENDETEKSI GERAK MENGGUNAKAN MATLAB 7.1 Nugroho hary Mindiar, 21104209 Mahasiswa Sarjana Strata Satu (S1) Jurusan Sistem Komputer, Fakultas Ilmu Komputer Universitas Gunadarma mindiar@yahoo.com

Lebih terperinci

BAB IV HASIL DAN PEMBAHASAN

BAB IV HASIL DAN PEMBAHASAN 48 BAB IV HASIL DAN PEMBAHASAN 4.1 Analisis Sistem Sistem yang akan dibangun dalam penelitian ini adalah Implementasi Algoritma Template Matching dan Feature Extraction untuk Pengenalan Pola Angka Untuk

Lebih terperinci

SAMPLING DAN KUANTISASI

SAMPLING DAN KUANTISASI SAMPLING DAN KUANTISASI Budi Setiyono 1 3/14/2013 Citra Suatu citra adalah fungsi intensitas 2 dimensi f(x, y), dimana x dan y adalahkoordinat spasial dan f pada titik (x, y) merupakan tingkat kecerahan

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN Metodologi penelitian adalah sekumpulan peraturan, kegiatan, dan prosedur yang digunakan oleh pelaku suatu disiplin ilmu. Metodologi berisi tahapan-tahapan yang dilakukan

Lebih terperinci

BAB 3 PROSEDUR DAN METODOLOGI. menawarkan pencarian citra dengan menggunakan fitur low level yang terdapat

BAB 3 PROSEDUR DAN METODOLOGI. menawarkan pencarian citra dengan menggunakan fitur low level yang terdapat BAB 3 PROSEDUR DAN METODOLOGI 3.1 Permasalahan CBIR ( Content Based Image Retrieval) akhir-akhir ini merupakan salah satu bidang riset yang sedang berkembang pesat (Carneiro, 2005, p1). CBIR ini menawarkan

Lebih terperinci

BAB II LANDASAN TEORI. Pengolahan Citra adalah pemrosesan citra, khususnya dengan menggunakan

BAB II LANDASAN TEORI. Pengolahan Citra adalah pemrosesan citra, khususnya dengan menggunakan BAB II LANDASAN TEORI 2.1. Citra Citra adalah gambar pada bidang dwimatra (dua dimensi). Ditinjau dari sudut pandang matematis, citra merupakan fungsi menerus dan intensitas cahaya pada bidang dwimatra

Lebih terperinci

PEMANFAATAN NORMALIZED FRAME DIFFERENCE SEBAGAI UKURAN AKTIVITAS GERAK PADA VIDEO DIGITAL

PEMANFAATAN NORMALIZED FRAME DIFFERENCE SEBAGAI UKURAN AKTIVITAS GERAK PADA VIDEO DIGITAL PEMANFAATAN NORMALIZED FRAME DIFFERENCE SEBAGAI UKURAN AKTIVITAS GERAK PADA VIDEO DIGITAL L.D.Purnamasari 1, N. Indra 2, I M.O. Widyantara 3 Jurusan Teknik Elektro, Fakultas Teknik Universitas Udayana

Lebih terperinci

Laporan Akhir Praktikum Mempelajari Karakterisitk Visual Citra Tomat Menggunakan Image Processing. Avicienna Ulhaq Muqodas F

Laporan Akhir Praktikum Mempelajari Karakterisitk Visual Citra Tomat Menggunakan Image Processing. Avicienna Ulhaq Muqodas F Laporan Akhir Praktikum Mempelajari Karakterisitk Visual Citra Tomat Menggunakan Image Processing Avicienna Ulhaq Muqodas F14110108 DEPARTEMEN TEKNIK MESIN DAN BIOSISTEM FAKULTAS TEKNOLOGI PERTANIAN INSTITUT

Lebih terperinci

PENDETEKSI TEMPAT PARKIR MOBIL KOSONG MENGGUNAKAN METODE CANNY

PENDETEKSI TEMPAT PARKIR MOBIL KOSONG MENGGUNAKAN METODE CANNY PENDETEKSI TEMPAT PARKIR MOBIL KOSONG MENGGUNAKAN METODE CANNY Minati Yulianti 1, Cucu Suhery 2, Ikhwan Ruslianto 3 [1] [2] [3] Jurusan Sistem Komputer, Fakultas MIPA Universitas Tanjungpura Jl. Prof.

Lebih terperinci

BAB 3 IMPLEMENTASI SISTEM

BAB 3 IMPLEMENTASI SISTEM BAB 3 IMPLEMENTASI SISTEM Bab ini akan membahas mengenai proses implementasi dari metode pendeteksian paranodus yang digunakan dalam penelitian ini. Bab ini terbagai menjadi empat bagian, bagian 3.1 menjelaskan

Lebih terperinci

Pengantar Pengolahan Citra. Ade Sarah H., M. Kom

Pengantar Pengolahan Citra. Ade Sarah H., M. Kom Pengantar Pengolahan Citra Ade Sarah H., M. Kom Pendahuluan Data atau Informasi terdiri dari: teks, gambar, audio, dan video. Citra = gambar adalah salah satu komponen multimedia yang memegang peranan

Lebih terperinci

VISUALISASI GERAKAN OBJEK 3D PADA AUGMENTED REALITY DENGAN DETEKSI TUMBUKAN BERBASIS BOUNDING BOX

VISUALISASI GERAKAN OBJEK 3D PADA AUGMENTED REALITY DENGAN DETEKSI TUMBUKAN BERBASIS BOUNDING BOX VISUALISASI GERAKAN OBJEK 3D PADA AUGMENTED REALITY DENGAN DETEKSI TUMBUKAN BERBASIS BOUNDING BOX Adhi Arsandi 2208205734 PROGRAM MAGISTER BIDANG KEAHLIAN JARINGAN CERDAS MULTIMEDIA (TEKNOLOGI PERMAINAN)

Lebih terperinci

FAKULTAS TEKNIK (FT) PROGRAM TEKNIK INFORMATIKA UNIVERSITAS NUSANTARA PGRI KEDIRI 2016

FAKULTAS TEKNIK (FT) PROGRAM TEKNIK INFORMATIKA UNIVERSITAS NUSANTARA PGRI KEDIRI 2016 DETEKSI KEMUNCULAN BULAN SABIT MENGGUNAKAN METODE CIRCULAR HOUGH TRANSFORM ARTIKEL Diajukan Untuk Penulisan Skripsi Guna Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana Komputer (S.Kom) Pada Program

Lebih terperinci

Gambar 4.1 Diagram Percobaan

Gambar 4.1 Diagram Percobaan BAB 4 HASIL DAN PEMBAHASAN 4.1 Kerangka Percobaan Pada bab ini dilakukan pembahasan dari implementasi terhadap sistem yang telah dirancang, berupa cara kerja sistem dan pembahasan data-data percobaan yang

Lebih terperinci

TRACKING ARAH GERAKAN TELUNJUK JARI BERBASIS WEBCAM MENGGUNAKAN METODE OPTICAL FLOW

TRACKING ARAH GERAKAN TELUNJUK JARI BERBASIS WEBCAM MENGGUNAKAN METODE OPTICAL FLOW TRACKING ARAH GERAKAN TELUNJUK JARI BERBASIS WEBCAM MENGGUNAKAN METODE OPTICAL FLOW Ubaidillah Umar, Reni Soelistijorini, B. Eng, MT, Haryadi Amran Darwito, S.ST Jurusan Teknik Telekomunkasi - Politeknik

Lebih terperinci

Segmentasi Dan Pelabelan Pada Citra Panoramik Gigi

Segmentasi Dan Pelabelan Pada Citra Panoramik Gigi Segmentasi Dan Pelabelan Pada Citra Panoramik Gigi Nur Nafi iyah 1, Yuliana Melita, S.Kom, M.Kom 2 Program Pascasarjana Sekolah Tinggi Teknik Surabaya Email: nafik_unisla26@yahoo.co.id 1, ymp@stts.edu

Lebih terperinci

PENGKONVERSIAN IMAGE MENJADI TEKS UNTUK IDENTIFIKASI PLAT NOMOR KENDARAAN. Sudimanto

PENGKONVERSIAN IMAGE MENJADI TEKS UNTUK IDENTIFIKASI PLAT NOMOR KENDARAAN. Sudimanto Media Informatika Vol. 14 No.3 (2015) Abstrak PENGKONVERSIAN IMAGE MENJADI TEKS UNTUK IDENTIFIKASI PLAT NOMOR KENDARAAN Sudimanto Sekolah Tinggi Manajemen Informatika dan Komputer LIKMI Jl. Ir. H. Juanda

Lebih terperinci

IDENTIFIKASI OBYEK PISAU PADA CITRA X-RAY DI BANDARA

IDENTIFIKASI OBYEK PISAU PADA CITRA X-RAY DI BANDARA IDENTIFIKASI OBYEK PISAU PADA CITRA X-RAY DI BANDARA Isturom Arif 1, I Ketut Eddy Purnama 2, Moch Hariadi 3 1,2,3 Jurusan Teknik Elektro, Fakultas Teknologi Industri, Institut Teknologi Sepuluh Nopember

Lebih terperinci

BAB III METODE PENELITIAN. tracking obyek. Pada penelitian tugas akhir ini, terdapat obyek berupa bola. Gambar 3.1. Blok Diagram Penelitian

BAB III METODE PENELITIAN. tracking obyek. Pada penelitian tugas akhir ini, terdapat obyek berupa bola. Gambar 3.1. Blok Diagram Penelitian BAB III METODE PENELITIAN 3.1 Metode Penelitian Metode penelitian yang digunakan dalam pengerjaan Tugas Akhir ini adalah studi literatur, pembuatan program serta melakukan deteksi dan tracking obyek. Pada

Lebih terperinci

Rancang Bangun Sistem Penghitung Laju dan Klasifikasi Kendaraan Berbasis Pengolahan Citra

Rancang Bangun Sistem Penghitung Laju dan Klasifikasi Kendaraan Berbasis Pengolahan Citra Rancang Bangun Sistem Penghitung Laju dan Klasifikasi Kendaraan Berbasis Pengolahan Citra M Agus Taksiono, Dr. Ronny Mardiyanto, ST., MT.dan Ir. Joko Purwanto M.Eng, Ph.d Jurusan Teknik Elektro, Fakultas

Lebih terperinci

BAB 4 HASIL DAN ANALISA

BAB 4 HASIL DAN ANALISA BAB 4 HASIL DAN ANALISA 4. Analisa Hasil Pengukuran Profil Permukaan Penelitian dilakukan terhadap (sepuluh) sampel uji berdiameter mm, panjang mm dan daerah yang dibubut sepanjang 5 mm. Parameter pemesinan

Lebih terperinci

Rancang Bangun Sistem Pengujian Distorsi Menggunakan Concentric Circle Method Pada Kaca Spion Kendaraan Bermotor Kategori L3 Berbasis Edge Detection

Rancang Bangun Sistem Pengujian Distorsi Menggunakan Concentric Circle Method Pada Kaca Spion Kendaraan Bermotor Kategori L3 Berbasis Edge Detection JURNAL TEKNIK POMITS Vol., No., (22) -6 Rancang Bangun Sistem Pengujian Distorsi Menggunakan Concentric Circle Method Pada Kaca Spion Kendaraan Bermotor Kategori L3 Berbasis Edge Detection Muji Tri Nurismu

Lebih terperinci

Analisis Kesalahan Pengukuran Kecepatan Akibat Distorsi Lensa

Analisis Kesalahan Pengukuran Kecepatan Akibat Distorsi Lensa JURNAL TEKNIK ITS Vol. 5, No. 2, (21) ISSN: 2337-3539 (231-9271 Print) A9 Analisis Kesalahan Pengukuran Akibat Distorsi Lensa Yudha Hardhiyana Putra dan Yusuf Kaelani Jurusan Teknik Mesin, Fakultas Teknologi

Lebih terperinci

PENERAPAN METODE SOBEL DAN GAUSSIAN DALAM MENDETEKSI TEPI DAN MEMPERBAIKI KUALITAS CITRA

PENERAPAN METODE SOBEL DAN GAUSSIAN DALAM MENDETEKSI TEPI DAN MEMPERBAIKI KUALITAS CITRA PENERAPAN METODE SOBEL DAN GAUSSIAN DALAM MENDETEKSI TEPI DAN MEMPERBAIKI KUALITAS CITRA HASNAH(12110738) Mahasiswa Program Studi Teknik Informatika, STMIK Budidarma Medan Jl. Sisingamangaraja No. 338

Lebih terperinci

Konsep Dasar Pengolahan Citra. Pertemuan ke-2 Boldson H. Situmorang, S.Kom., MMSI

Konsep Dasar Pengolahan Citra. Pertemuan ke-2 Boldson H. Situmorang, S.Kom., MMSI Konsep Dasar Pengolahan Citra Pertemuan ke-2 Boldson H. Situmorang, S.Kom., MMSI Definisi Citra digital: kumpulan piksel-piksel yang disusun dalam larik (array) dua-dimensi yang berisi nilai-nilai real

Lebih terperinci

BAB 3 ANALISIS DAN PERANCANGAN PROGRAM APLIKASI

BAB 3 ANALISIS DAN PERANCANGAN PROGRAM APLIKASI BAB 3 ANALISIS DAN PERANCANGAN PROGRAM APLIKASI Bab ini berisi analisis pengembangan program aplikasi pengenalan karakter mandarin, meliputi analisis kebutuhan sistem, gambaran umum program aplikasi yang

Lebih terperinci

1 BAB I PENDAHULUAN. Pengajaran yang diperoleh dari sekolah adalah pengenalan dan pemahaman akan

1 BAB I PENDAHULUAN. Pengajaran yang diperoleh dari sekolah adalah pengenalan dan pemahaman akan 1 BAB I PENDAHULUAN 1.1 Latar Belakang Sejak lahir, balita masih belum mengenal apapun yang dilihatnya. Dalam pertumbuhannya, balita mulai dapat mengenali sesuatu. Proses pengenalan pada balita dengan

Lebih terperinci

METODE STEREO VISION UNTUK MEMPERKIRAKAN JARAK OBJEK DARI KAMERA

METODE STEREO VISION UNTUK MEMPERKIRAKAN JARAK OBJEK DARI KAMERA METODE STEREO VISION UNTUK MEMPERKIRAKAN JARAK OBJEK DARI KAMERA Izzati Muhimmah*, Novian Mahardika Putra, Meilita, Deny Rahmalianto, Dhomas Hatta Fudholi Jurusan Teknik Informatika, Fakultas Teknologi

Lebih terperinci

SYSTEM IDENTIFIKASI GANGGUAN STROKE ISKEMIK MENGGUNAKAN METODE OTSU DAN FUZZY C-MEAN (FCM)

SYSTEM IDENTIFIKASI GANGGUAN STROKE ISKEMIK MENGGUNAKAN METODE OTSU DAN FUZZY C-MEAN (FCM) SYSTEM IDENTIFIKASI GANGGUAN STROKE ISKEMIK MENGGUNAKAN METODE OTSU DAN FUZZY C-MEAN (FCM) Jani Kusanti Program Studi Teknik Informatika, Fakultas Teknik Elektro dan Informatika Universitas Surakarta (UNSA),

Lebih terperinci

BAB 3 PERANCANGAN SISTEM

BAB 3 PERANCANGAN SISTEM BAB 3 PERANCANGAN SISTEM 3.1 Rancangan Perangkat Keras 3.1.1 Diagram Blok Sistem Rancangan perangkat keras dari aplikasi pengenalan wajah ini dapat dilihat pada diagram blok Gambar 3.1 sebagai berikut

Lebih terperinci