PENGENALAN POTENSI ANAK MELALUI SIDIK JARI MENGGUNAKAN ALGORITMA VOTING FEATURE INTERVALS 5 (VFI5)
|
|
- Inge Yuwono
- 7 tahun lalu
- Tontonan:
Transkripsi
1 PENGENALAN POTENSI ANAK MELALUI SIDIK JARI MENGGUNAKAN ALGORITMA VOTING FEATURE INTERVALS 5 (VFI5) Saparudin 1), Errissya Rasywir 2) 1 saparudin1204@yahoo.com, 2 errissya270@yahoo.co.id ABSTRACT Biometric System is the introduction of the system to identify, recognize and classify pattern with the determining the authenticity of a specific psychological and/or behavioural characteristics possessed by the person. Fingerprint is one of the physiological that can not be falsified. For additional, fingerprint can be used to determine the intelligence of human as the ridge in fingerprint is connected with brain nerve system.these knowledge known as Dermatoglyphics. For knowing the intelligence information, this system get it from classify the type of fingerprint. The classification process of fingerprint need the feature that can be calculated from using Minutiae Feature Extraction Algorithm. This feature exctraction methode results the feature of fingerprint easily and fast. For the classification of the feature we use Voting Feature Intervals 5 Algorithm. VFI5 algorithm is an algorithm that represents the description of a concept by a set of interval values of the features or attributes. Phases of the training VFI5 algorithm produce the intervals, and each features a manner resulting image data represented by pixels on each element of data. Fingerprint image used in this research is measuring pixels.. Keywords: Image Processing, Fingerprint classification, Dermatoglyphics, Minutiae feature exctraction, VFI5 algorithm. I. PENDAHULUAN Setiap anak memiliki bakat dan potensi masing-masing sejak lahir. Kebanyakan orang tua tentu ingin mengetahui potensi bawaan dan bakat terpendam anaknya agar bisa menentukan metode pendidikan dan bidang apa yang sesuai bagi anaknya. Umumnya orang tua memerhatikan aktivitas belajar ataupun meminta bantuan psikolog melalui serangkaian tes psikologi (psikotes) dan wawancara. Namun metode tersebut hanya memiliki akurasi sekitar 65% saja (Indrianie, 2010). Saat ini sudah ditemukan metode terbaru yakni dengan cara menganalisis sepuluh sidik jari manusia. Metode tersebut dikenal sebagai teknologi dermatoglyphics. Dalam penelitian yang dikembangkan di Harvard University, Cambridge, Massachusetts, Amerika Serikat (AS) menyatakan bahwa ada hubungan erat antara karakter sidik jari dengan fungsi sistem hormon pertumbuhan sel otak manusia (nerve growth factor) yang terkait dengan potensi intelegensia manusia. Penentuan potensi anak menggunakan metode tersebut mampu memberi akurasi lebih tinggi yakni 95% (Jason, 2010). Untuk menentukan potensi anak melalui sidik jari, identifikasi pola sidik jari dilakukan berdasarkan informasi masukan sidik jari dalam bentuk gambar statis yang dihitung sebagai fitur dari gambar sidik jari. Metode ektraksi fitur gambar sidik jari yang di gunakan adalah Minutiae Extraction Algorithm. Metode ini merupakan sebuah solusi otomatisasi ekstraksi fitur dengan cara manual. Metode ini berpedoman pada penelitian terdahulu yang berjudul Fingerprint Image Enhancement and Minutiae Extraction oleh Raymond Thai (2003) dan juga penelitian lainnya yang berjudul Adaptive Flow Orientation Based Feature Extraction in Fingerprint Images oleh Ratha, Chenshao dan Jain (2003). Kedua penelitian tersebut mendukung pembahasan mengenai Minutiae Extraction Algorithm yang akan digunakan untuk proses ektraksi fitur gambar sidik jari pada penelitian tugas akhir ini. Sedangkan, untuk proses klasifikasi fitur gambar sidik jari, penelitian yang dijadikan pedoman berjudul Classification by Voting Feature Interval oleh Demiröz dan Güvenir (1998). Penelitian tersebut membahas algoritma untuk proses klasifikasi citra yakni Voting Feature Interval Algorithm (VFI5) yang akan ISSN: / Copyright 2012 JRSCA 25
2 digunakan untuk proses klasifikasi citra sidik jari pada penelitian ini. Sebelumnya algoritma tersebut biasa digunakan untuk klasifikasi kasus berbasis teks. Karena hasil akurasi yang cukup tinggi algoritma tersebut dapat digunakan untuk kasus citra. Penelitian yang menggunakan algoritma tersebut untuk klasifikasi kasus citra di implementasikan oleh Fathoni Arief Musyaffa (2009) kedalam kasus citra tanda tangan dengan judul penelitian Pengenalan Tanda Tangan Menggunakan Algoritme VFI5. Karena keberhasilan beberapa penelitian tersebut diatas, penulis mencoba mengimplementasikan Voting Feature Interval Algorithm (VFI5) ke dalam kasus citra sidik jari. Mengembangkan perangkat lunak computer untuk mengenal potensi, menentukan bakat dan minat serta potensi bawaan anak melalui jenis sidik jarinya berdasarkan keilmuan dermatoglyphics dengan menggunakan Minutiae Extraction Algorithm untuk proses ekstraksi ciri gambar sidik jari dan Voting Feature Intervals 5 (VFI5) untuk proses klasifikasinya. II. PUSTAKA Citra digital merupakan fungsi intensitas cahaya f(x,y), dimana harga x dan y merupakan koordinat spasial dan harga fungsi tersebut pada setiap titik (x,y) merupakan tingkat kecemerlangan citra pada titik tersebut. Citra digital adalah citra f(x,y) dimana dilakukan diskritisasi koordinat spasial (sampling) dan diskritisasi tingkat kecemerlangannya / keabuan (kuantisasi). Citra digital merupakan suatu matriks dimana indeks baris dan kolomnya menyatakan suatu titik pada citra tersebut dan elemen matriksnya (yang disebut sebagai elemen gambar / piksel / pixel / picture element / pels) menyatakan tingkat keabuan pada titik tersebut. Fungsi f(x,y) direpresentasikan dalam suatu fungsi koordinat berukuran M N. Variabel M adalah baris dan variabel N adalah kolom, sebagaimana ditunjukkan pada Gambar berikut. Citra dengan skala keabuan berformat 8-bit memiliki 256 intensitas warna yang berkisar pada nilai 0 sampai 255. Nilai 0 menunjukan tingkat paling gelap (hitam) dan 255 menunjukkan nilai paling cerah (putih) (Pramitasari, 2009). Gambar 1. Fungsi koordinat representasi (Pramitasari, 2009) Biometrik merupakan pengembangan dari metode dasar klasifikasi ataupun identifikasi dengan menggunakan karakteristik alami manusia sebagai basisnya. Biometrik mencakup karakteristik fisiologis (physical traits) dan karakteristik perilaku (behavioral traits). Contoh ciri-ciri fisik antara lain sidik jari, iris, wajah dan bentuk geometris tangan, sedangkan contoh ciri tingkah laku misalnya tanda tangan, pola penekanan keyboard dan gaya berjalan (Ross et al, 2006). Sidik jari merupakan salah satu bentuk biometrik fisikal yang berbeda-beda. Hal ini dapat dilihat pada sifat yang dimiliki oleh sidik jari, antara lain: a. Perennial nature, yaitu guratan-guratan pada sidik jari yang melekat pada kulit manusia seumur hidup. b. Immutability/permanence, yaitu sidik jari seseorang tidak pernah berubah,kecuali mendapatkan kecelakaan yang serius. c. Individuality/ distinctiveness, pola sidik jari adalah unik dan berbeda untuk setiap orang (Elvayandari, 2002). Selain dari sifat sidik jari diatas, beberapa penelitian lain mengenai sidik jari manusia menunjukan bahwa sidik jari manusia dapat dirumuskan dan diklasifikasikan secara matematis. Adapun tahapan proses klasifikasi biometrik sidik jari secara umum adalah sebagai berikut : 1. Akuisisi, yaitu pengambilan karakteristik biometrik. 2. Pengolahan citra, antara lain dengan ekstraksi ciri, segmentasi citra, smoothing, dan thinning. 3. Pengenalan pola atau klasifikasi nilai vektor ciri. Untuk mengetahui pola suatu sidik jari, analisis polanya berdasarkan bentuk-bentuk pokok sidik jari, antara lain terdiri dari: ISSN: / Copyright 2012 JRSCA 26
3 a) Arch (busur) Merupakan bentuk pokok sidik jari yang semua garis-garisnya datang dari satu sisi lukisan dengan bergelombang naik ditengah-tengah dan tidak memiliki delta, terbagi 2: Plain arch (busur rata) Dengan sedikit bergelombang naik ditengah. Tented arch (tiang busur) Terdapat garis tegak (upthrust) atau sudut (angle) atau dua atau tiga ketentuan loop. b) Loop (sangkutan) Merupakan bentuk sidik jari dimana satu garis atau lebih datang dari satu sisi lukisan yang mempunyai sebuah delta, sebuah core, Terdapat 2 jenis loop: Ulnar loop Terdapat garis memasuki pokok lukisan dari sisi yang searah dengan kelingking Radial loop Terdapat garis memasuki pokok lukisan dari sisi yang searah dengan jempol. c) Whorl (lingkaran) Merupakan bentuk pokok sidik jari yang mempunyai 2 delta dan sedikitnya satu garis melingkar di dalam pattern area, berjalan didepan kedua delta. terbagi 4: 1) Plain whorl: kurva ridge menyentuh garis yang dibentuk dengan menghubungkan 2 delta. 2) Central pocket loop whorl: kurva ridge tidak menyentuh garis yang dibentuk dengan menghubungkan 2 delta. whorl Double loop whorl: tipe loop yang dibentuk dari dari dua loop dalam satu pola. Accidental whorl: tipe loop yang mengandung dua atau lebih pola sidik jari (tidak termasuk plain arch). akan memiliki jenis-jenis pola diatas, tapi tidak semua sidik jari akan memiliki komponen tersebut. (Francis Galton, ). Karakteristik garis yang paling umum sidik jari adalah ujung garis, lampiran (atau pengelompokan), noktah dan bifurkasi (garis bercabang dua seperti sungai yang bercabang menjadi dua anak sungai) Untuk penentuan letak core tidak selalu dapat ditentukan dengan aturanaturan yang telah disebutkan diatas. Ada dua kasus yang pada umumnya dapat mengaburkan dalam menentukan letak core ini. Kasus yang pertama adanya garis tambahan (appendage). munculnya appendage ini dapat merusak garis sidik jari bila appendage tersebut muncul disuatu garis sidik jari yang letaknya berada pada daerah melengkung antara bahu garis sangkutan. Apabila appendage ini akan dianggap sebagai garis berhenti bagi sangkutan yang tepat berada diluarnya. Kasus yang kedua adalah adanya garis loop yang terdalam (garis sangkutan) yang saling memotong satu sama lain (inter locking loop). Pada kasus ini kedua garis sangkutan yang saling memotong tersebut dianggap sebagai salah satu sangkutan dimana garis di dalamnya seakan-akan merupakan garis yang naik sampai setinggi bahu loop (Ratha,Chensao,Jain, 1995). Dapat dikatakan core adalah titik tengah atau pusat yang terdapat pada garis sidik jari loop yang terdalam dan terjauh dari delta. Gambar 3. Menentukan core pada loop Gambar 2. Komponen- komponen sidik jari Dalam suatu lukisan sidik jari terdapat keberadaan titik fokus (Focus Point) yakni core (inner terminus) dan delta (outer terminus) serta ridge counting yang menetukan sebuah sidik jari Delta dalam pengertian sehari-hari adalah gugusan yang terdapat pada muara sungai air yang mengalir ke laut atau danau selalu membawa Lumpur dan batu sehingga lama kelamaan terbentuk suatu gugusan pulau yang disebut delta. Delta yang sebenarnya pada sidik jari adalah titik/garis yang terdapat pada pusat perpisaan garis type lines. Delta merupakan titik fokus yang terletak didepan pusat berpisahnya garis pokok (type lines). ISSN: / Copyright 2012 JRSCA 27
4 Gambar 4. Delta sidik jari Minutiae Fitur sidik jari yang digunakan pada tugas akhir ini adalah guratan sidik jari yang dapat diidentifikasikan dengan cara menganalisa fine details dari guratan-guratan sidik jari yang dinamakan dengan minutiae. Berikut beberapa gambar fitur guratan sidik jari (Francois Galton, ). Gambar 5. Feature pada guratan sidik jari Dermatoglyphic mempunyai dasar ilmu pengetahuan yang kuat karena didukung penelitian sejak 300 tahun lalu. Penelitian dimulai oleh Govard Bidloo pada tahun Lalu, berturut-turut dilakukan oleh Marcello Malpighi (1686), J.C.A. Mayer (1788), John E. Purkinje (1823), Dr. Henry Faulds (1880), Francis Galton (1892), Harris Hawthorne Wilder (1897), Noel Jaquin (1958) dan Beverly C. Jaegers (1974). Hasil penelitian menunjukan : 1. Ibu jari: memiliki jalinan ke otak depan menunjukkan karakter seseorang, cara berpikir dan membuat keputusan. 2. Jari telunjuk: memiliki hubungan dengan otak depan yang posisinya lebih atas menunjukkan pemikiran logis dan kreativitas seseorang. 3. Jari tengah: memiliki keterkaitan dengan otak bagian atas. Motif jari tengah itu dapat menunjukkan kontrol pergerakan minor dan mayor seseorang, sentuhan, keseimbangan dan koordinasi tangan dan kaki. 4. Jari manis: memiliki jalinan dengan otak yang berada di belakang telinga terkait kontrol pendengaran. 5. Jari kelingking :memiliki hubungan dengan otak belakang menunjukkan tingkat konsentrasi maupun penglihatan seseorang. Jari-jari tangan kanan mewakili fungsi otak kiri (fungsi perbedaan angka, urutan, tulisan, bahasa, hitungan dan logika). Sedangkan jari-jari tangan kiri seseorang mewakili fungsi otak kanan. III. METODOLOGI PENELITIAN III.1. MINUTIAE EXTRACTION ALGORITHM Penghitungan wilayah blok ( block/ window) pada penelitian ini menggunakan hitungan sebagai berikut: a) Ukuran gambar sidik jari adalah 512 x 512 piksel. b) Ukuran sebuah blok adalah 16 x 16 piksel. c) Block Size = W x W, dengan nilai W=16. d) sebuah gambar sidik jari adalah 512 / 16 = 32 blok setiap arah (direction). e) Dengan demikian, terdapat 32 blok pada arah sumbu x ( x-direction) dan 32 pada arah sumbu y ( y-direction) gambar sidik jari, dengan total keseluruhan 32 x 32 =1024 blok pada sebuah gambar sidik jari. Secara rinci berbagai tahapan dalam algoritma ekstraksi fitur akan diuraikan dalam bagian ini. Gambar 6. Bagan algoritma ekstraksi minutiae A. Invert/Negasi Tahap invert ini mebalikkan derajat keabuaabuan gambar setiap pikselnya. Negatif dari sebuah gambar dengan abu-abu tingkat dalam rentang [0, 255] diperoleh dengan transformasi negatif yang ditunjukkan pada gambar yang ditunjukkan pada gambar ke kanan yang diberikan oleh notasi: Gambar negasi = 255 Gambar awal ISSN: / Copyright 2012 JRSCA 28
5 B. Normalisasi Tahap normalisasi ini merupakan sebuah proses enhancement image. Proses normalisasi ini digunakan untuk menstandarisasi nilai intensitas sebuah gambar dengan cara menyesuaikan range dari skala keabuan (greyscale value) pada sebuah piksel i,j. Nilai normal image didefenisikan sebagai berikut: ( ) { ( ( ) ) ( ) ( ( ) ) Dimana, M : nilai mean ; V : varians dari image (i,j) ; Mo : nilai mean yang diinginkan; Vo : nilai varians yang diinginkan. Namun, pada penelitian ini digunakan nilai Mo dan Vo bernilai 100 (Chama, 2003). C. Smoothing Untuk pengolahan citra digital, zero mean Gaussian dua variabel dinyatakan oleh persamaan berikut: ( ) dimana x dan y adalah posisi kordinat pada sumbu x dan y. Persamaan inilah yang dipakai sebagai dasar untuk menentukan nilai-nilai setiap elemen dalam filter Gaussian yang akan dibuat. Untuk memudahkan perhitunga komputer, nilai nilai pembobotan harus dibuat bulat sebab intensitas piksel dalam citra digital bernilai bulat. Filter Gaussian bekerja dengan cara konvolusi atau korelasi. C. Binerisasi Binarisasi adalah proses mengkonversi sebuah gambar greyscale menjadi sebuah gambar biner. Proses ini memperbaiki kontras antara ridge dan valley gambar sidik jari,serta tentu saja memudahkan proses ekstraksi minutiae. Salah satu propertis yang berguna dari Gabor filter adalah DC komponen dari 0, yang berarti hasil image yang difilter mempunyai sebuah nilai mean piksel sama dengan 0. Proses binarisasi image dapat menggunakan sebuah Global Threshold bernilai 0. D. Thinning Thinning atau penipisan adalah sebuah Morphological Operation yang cara kerjanya mengikis /menipiskan piksel foreground menjadi selebar 1 piksel saja. Algoritma thinning yang digunakan dalam penelitian ini adalah Zhang Suen Thinning Algorithm. Metode yang digunakan dalam ekstraksi minutiae ini adalah konsep Crossing Number (CN). Metode ini menggunakan gambar skeleton sidik jari dengan pola yang digunakan adalah 8 piksel yang bertetanggaan. Minutiae diekstrak dengan pemrosesan daerah lokal piksel ridge yang bertetanggaan (neighbourhood) menggunakan ukuran blok 3 x 3. Kemudian nilai CN dihitung, nilai CN tersebut didefenisikan sebagai setengah jumlah dari selisih antara pasangan piksel yang sedang dihitung dari ke 8 piksel yang bertetanggaan tersebut. Propertis nilai CN dapat berarti sebuah ridge ending atau bifurcation III.2. ALGORITMA VOTING FEATURE INTERVALS 5 (VF15) VFI5 merupakan algoritma klasifikasi yang memberikan deskripsi melalui sekumpulan interval fitur. Algoritma VFI5 ini terdiri dari dua langkah yakni tahap pelatihan (Training) dan tahap Klasifikasi (Classification). Klasifikasi dari sebuah instance baru didasarkan pada vote di antara klasifikasi yang dibuat oleh nilai dari tiap fitur secara terpisah. VFI5 merupakan algoritma supervised learning yang bersifat nonincremental, sehingga, seluruh contoh dalam data training diproses sekali dalam satu waktu. Tiaptiap contoh training direpresentasikan sebagai nilai-nilai fitur vektor nominal (diskrit) atau linear (continue), disertai dengan label yang menunjukkan kelas contoh. Dari data training, algoritma VFI5 membentuk interval untuk tiap fitur. Suatu interval bisa berupa interval titik atau selang (range). Interval selang didefinisikan sebagai sekumpulan nilai yang berurutan dari fitur yang diberikan, sedangkan interval titik didefinisikan sebagai fitur bernilai tunggal. Untuk ISSN: / Copyright 2012 JRSCA 29
6 interval titik, hanya sebuah nilai yang digunakan untuk mendefinisikan sebuah interval. Untuk tiap interval, diambil sebuah nilai tunggal yang merupakan vote dari tiap-tiap kelas dalam interval tersebut. Oleh karena itu, sebuah interval dapat merepresentasikan beberapa kelas dengan menyimpan vote dari tiap-tiap kelas (Güvenir, 1998). Kelebihan algoritma VFI5 adalah prediksi yang akurat, pelatihan dan waktu yang dibutuhkan untuk melakukan klasifikasi cukup singkat, bersifat robust terhadap training dengan data yang memiliki noise dan nilai fitur yang hilang, dapat menggunakan bobot fitur, serta dapat memberikan model yang mudah dipahami manusia (Güvenir, 1998). Penghitungan tingkat akurasi diperoleh berdasarkan data pengujian. Tingkat akurasi diperoleh dengan rumus tingkat_akurasi: Tingkat akurasi menunjukan tingkat kebenaran pengklasifikasian data terhadap kelas yang sebenarnya. Semakin rendah nilai akurasi maka semakin tinggi kesalahan klasifikasi. Tingkat akurasi yang baik adalah tingkat akurasi yang mendekati nilai 100%.Tingkat akurasi dihitung, baik bagi data hasil klasifikasi VFI5 murni dan data hasil klasifikasi VFI5 yang telah mengalami penyesuaian metode. Tingkat akurasi inilah yang menjadi perbandingan tingkat kinerja antara data klasifikasi VFI5 murni dan data klasifikasi VFI5 dengan penyesuaian metode (Fathoni Arief Musyaffa, 2009). DAFTAR PUSTAKA [1] Thai, Raymond., 2003, Fingerprint Image Enhancement and Minutiae Extraction, Honours Programme of the School of Computer Science and Software Engineering, Western Australia University. [2] Chama, Nimitha., 2003, Fingerprint Image Enhancement And Minutiae Extraction, Departement of Electrical and Computer Engineering, Clemson University. [3] Demiroz, G., and Guvenir, H.,A., 1998, Classification by Voting Feature Intervals, Department of Computer Engineering and Information Science, Bilkent University. [4] Elvayandari, 2002, Sistem Keamanan Akses Menggunakan Pola Sidik Jari Berbasis Jaringan Saraf Tiruan, Intitut Teknologi Bandung. [5] Indrianie, Efnie.,M. Psi., ( Didownload pada jumat, 23 Maret 2011). [6] Kizler, Nazli., 2002, Benefit Maximazing Classification Using Feature Intervals, Departement of Computer Engineering and Science, Bilkent University. [7] Musyaffa, F., A., 2009, Pengenalan Tanda Tangan dengan Algoritme VFI5 Melalui Praproses Wavelet, Departemen Ilmu Komputer Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Pertanian Bogor. [8] Niki, Ng., Dermatoglyphics Multiple Intelligence Test, [9] Ratha, K., Chen, S., dan Jain, K., A., 1995, Adaptive Flow Orientation Based Feature Extraction in Fingerprint Images, Department of Computer Science, Michigan State University. [10] Sutoyo, T., Mulyanto, E., Suhartono, V., Nurhayati, O., K., dan Wijanarto, 2009, Teori Pengolahan Citra Digital, Andi Publishing. [11] Bahera, Seta., 2009, Eksplorasi Metode Penentuan Nilai End Point Pada Algoritma Voting Feature Intervals 5, Departemen Ilmu Komputer Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Pertanian Bogor. [12] Zhang,T.,Y dan Suen,C.,Y., 1984, A fast Parallel Algorithm for Thinning Digital Patterns, Communication of the ACM. ISSN: / Copyright 2012 JRSCA 30
PENGENALAN POLA SIDIK JARI
TUGAS SISTEM PENDUKUNG KEPUTUSAN PENGENALAN POLA SIDIK JARI Disusun oleh : FAHMIATI NPM : 08.57201.000502 PROGRAM STUDI STRATA SATU (S1) SISTEM INFORMASI FAKULTAS ILMU KOMPUTER UNIVERSITAS DARWAN ALI SAMPIT
Lebih terperinciPENDAHULUAN. Latar Belakang
Latar Belakang PENDAHULUAN Penelitian mengenai pengenalan wajah termotivasi oleh banyaknya aplikasi praktis yang diperlukan dalam identifikasi wajah. Pengenalan wajah sebagai salah satu dari teknologi
Lebih terperinciPENDAHULUAN. Latar Belakang
Latar Belakang PENDAHULUAN Biometrik adalah ilmu untuk menetapkan identitas seseorang berdasarkan ciri fisik, kimia, ataupun tingkah laku dari orang tersebut. Dewasa ini, biometrik telah menjadi suatu
Lebih terperinciANALISA HASIL PERBANDINGAN IDENTIFIKASI CORE POINT PADA SIDIK JARI MENGGUNAKAN METODE DIRECTION OF CURVATURE DAN POINCARE INDEX
ANALISA HASIL PERBANDINGAN IDENTIFIKASI CORE POINT PADA SIDIK JARI MENGGUNAKAN METODE DIRECTION OF CURVATURE DAN POINCARE INDEX Mohammad imron (1), Yuliana Melita (2), Megister Teknologi Informasi Institusi
Lebih terperinciPERANCANGAN PERANGKAT LUNAK RUMUS SIDIK JARI PADA BENTUK SIDIK JARI JENIS WHORL
PERANCANGAN PERANGKAT LUNAK RUMUS SIDIK JARI PADA BENTUK SIDIK JARI JENIS WHORL Raditiana Patmasari 1, Mohamad Ramdhani 2, Achmad Rizal 3 1,2,3 Fakultas Teknik Elektro dan Komunikasi, Institut Teknologi
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengenalan Citra Citra adalah suatu representasi (gambaran), kemiripan atau imitasi dari suatu objek. Citra sebagai keluaran suatu sistem perekaman data dapat bersifat optik berupa
Lebih terperinciBAB 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 terperinciIDENTIFIKASI SIDIK JARI DENGAN DATA BERSKALA BESAR MENGGUNAKAN METODE HYBRID MINUTIAE DAN FILTER GABOR. Oleh : Siswo Santoso
IDENTIFIKASI SIDIK JARI DENGAN DATA BERSKALA BESAR MENGGUNAKAN METODE HYBRID MINUTIAE DAN FILTER GABOR Oleh : Siswo Santoso Pendahuluan Latar Belakang Angka kelahiran lebih besar dari angka kematian sehingga
Lebih terperinciPengenalan Karakter Sintaktik menggunakan Algoritma Otsu dan Zhang-Suen
Pengenalan Karakter Sintaktik menggunakan Algoritma Otsu dan Zhang-Suen Yusfia Hafid Aristyagama (23214355) Electrical Engineering, Digital Media and Game Technology Institut Teknologi Bandung Bandung,
Lebih terperinciRepresentasi 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 terperinciPENGGUNAAN METODE POINCARE INDEX DALAM PENDETEKSIAN LETAK COREPOINT PADA SIDIK JARI
F12 menggunakan verifikasi sidik jari yang diharapkan akan PENGGUNAAN METODE POINCARE INDEX DALAM PENDETEKSIAN LETAK COREPOINT PADA SIDIK JARI Fila Harmuningtyas 1), Indah Agustien 2) Fitri Damayanti 3)
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Computer Vision Computer vision dapat diartikan sebagai suatu proses pengenalan objek-objek berdasarkan ciri khas dari sebuah gambar dan dapat juga digambarkan sebagai suatu deduksi
Lebih terperinciENHANCEMENT CITRA SIDIK JARI KOTOR MENGGUNAKAN TEKNIK HYBRID MORPHOLOGY DAN GABOR FILTER
ENHANCEMENT CITRA SIDIK JARI KOTOR MENGGUNAKAN TEKNIK HYBRID MORPHOLOGY DAN GABOR FILTER MUHAMMAD NASIR 2208 205 001 Dosen Pembimbing : Mochamad Hariadi,, S.T., M.Sc.,., Ph.D. Sidang Tesis Fakultas Teknologi
Lebih terperinciGRAFIK KOMPUTER DAN PENGOLAHAN CITRA. WAHYU PRATAMA, S.Kom., MMSI.
GRAFIK KOMPUTER DAN PENGOLAHAN CITRA WAHYU PRATAMA, S.Kom., MMSI. PERTEMUAN 8 - GRAFKOM DAN PENGOLAHAN CITRA Konsep Dasar Pengolahan Citra Pengertian Citra Analog/Continue dan Digital. Elemen-elemen Citra
Lebih terperinciPENDAHULUAN. Latar Belakang
Latar Belakang PENDAHULUAN Biometrik merupakan ilmu pengetahuan yang membangun identitas seseorang berdasarkan sifat-sifat fisik, kimiawi, ataupun kebiasaan seseorang. Sistem biometrik dapat menggunakan
Lebih terperinciBAB III LANDASAN TEORI. Sidik jari adalah hasil reproduksi tapak jari yang baik yang sengaja
BAB III LANDASAN TEORI 3.1 Sidik jari Sidik jari adalah hasil reproduksi tapak jari yang baik yang sengaja diambil, dicapkan dengan tinta, maupun bekas yang ditinggalkan pada benda karena pernah tersentuh
Lebih terperinciBAB 2 LANDASAN TEORI
7 BAB 2 LANDASAN TEORI 2.1 Citra Digital Citra digital merupakan sebuah fungsi intensitas cahaya, dimana harga x dan y merupakan koordinat spasial dan harga fungsi f tersebut pada setiap titik merupakan
Lebih terperinciPengenalan Tanda Tangan Menggunakan Algoritme VFI5 Melalui Praproses Wavelet
Tersedia secara online di: http://journal.ipb.ac.id/index.php.jika Volume 1 Nomor 1 halaman 7-12 ISSN: 2089-6026 Pengenalan Tanda Tangan Menggunakan Algoritme VFI5 Melalui Praproses Wavelet Hand-Written
Lebih terperinciIDENTIFIKASI SIDIK JARI DENGAN MENGGUNAKAN STRUKTUR MINUTIA
IDENTIFIKASI SIDIK JARI DENGAN MENGGUNAKAN STRUKTUR MINUTIA Anggya N.D. Soetarmono, S.Kom. ABSTRAK Penelitian ini membahas tentang sistem identifikasi personal dengan menggunakan kesesuaian biometrik pada
Lebih terperinciOne picture is worth more than ten thousand words
Budi Setiyono One picture is worth more than ten thousand words Citra Pengolahan Citra Pengenalan Pola Grafika Komputer Deskripsi/ Informasi Kecerdasan Buatan 14/03/2013 PERTEMUAN KE-1 3 Image Processing
Lebih terperinciPengukuran Blok Window Terbaik Berdasarkan MSE...
Pengukuran Blok Window Terbaik Berdasarkan MSE... (Dwiyanto dkk.) PENGUKURAN BLOK WINDOW TERBAIK BERDASARKAN MSE UNTUK SEGMENTASI CITRA SIDIK JARI BERBASIS MEAN DAN VARIANS Dwiyanto *, Agus Bejo, Risanuri
Lebih terperinciArga Wahyumianto Pembimbing : 1. Dr. I Ketut Eddy Purnama, ST., MT 2. Christyowidiasmoro, ST., MT
IDENTIFIKASI DAUN BERDASARKAN FITUR TULANG DAUN MENGGUNAKAN ALGORITMA EKSTRAKSI MINUTIAE Arga Wahyumianto 2209 105 047 Pembimbing : 1. Dr. I Ketut Eddy Purnama, ST., MT 2. Christyowidiasmoro, ST., MT LATAR
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2. Pengertian Citra Citra (image) atau istilah lain untuk gambar sebagai salah satu komponen multimedia yang memegang peranan sangat penting sebagai bentuk informasi visual. Meskipun
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Untuk bisa mendukung sistem secara utuh dibutuhkan teori-teori yang mendukung dalam pengembangan aplikasi ini. Teori-teori yang dibutuhkan meliputi pengenalan tanda tangan dan teknologi
Lebih terperinciPENGENALAN HURUF TULISAN TANGAN BERBASIS CIRI SKELETON DAN STATISTIK MENGGUNAKAN JARINGAN SARAF TIRUAN. Disusun oleh : Mario Herryn Tambunan ( )
PENGENALAN HURUF TULISAN TANGAN BERBASIS CIRI SKELETON DAN STATISTIK MENGGUNAKAN JARINGAN SARAF TIRUAN Disusun oleh : Mario Herryn Tambunan (1022056) Jurusan Teknik Elektro, Fakultas Teknik, Universitas
Lebih terperinciPENGOLAHAN CITRA DIGITAL
PENGOLAHAN CITRA DIGITAL Aditya Wikan Mahastama mahas@ukdw.ac.id Sistem Optik dan Proses Akuisisi Citra Digital 2 UNIV KRISTEN DUTA WACANA GENAP 1213 v2 Bisa dilihat pada slide berikut. SISTEM OPTIK MANUSIA
Lebih terperinciDETEKSI KEMIRINGAN ALUR POLA SIDIK JARI DENGAN HAMMING NET SEBAGAI DASAR KLASIFIKASI
DETEKSI KEMIRINGAN ALUR POLA SIDIK JARI DENGAN HAMMING NET SEBAGAI DASAR KLASIFIKASI Sri Suwarno 1, Sri Hartati 2 1 Program Studi Teknik Informatika UKDW Yogyakarta 2 Program Studi Ilmu Komputer Fakultas
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Pada bab ini akan dibahas teori yang berkaitan dengan pemrosesan data untuk sistem pendeteksi senyum pada skripsi ini, meliputi metode Viola Jones, konversi citra RGB ke grayscale,
Lebih terperinciPertemuan 2 Representasi Citra
/29/23 FAKULTAS TEKNIK INFORMATIKA PENGOLAHAN CITRA DIGITAL ( DIGITAL IMAGE PROCESSING ) Pertemuan 2 Representasi Citra Representasi Citra citra Citra analog Citra digital Matrik dua dimensi yang terdiri
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI
BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI 2.1 Tinjauan Pustaka Sebagai tinjauan pustaka, berikut beberapa contoh penelitian telapak kaki yang sudah dilakukan oleh para peneliti yang dapat digunakan sebagai
Lebih terperinci1. BAB I PENDAHULUAN Latar Belakang
1 1. BAB I PENDAHULUAN Latar Belakang Iris mata merupakan salah satu organ internal yang dapat di lihat dari luar. Selaput ini berbentuk cincin yang mengelilingi pupil dan memberikan pola warna pada mata
Lebih terperinciProgram 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 terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengertian Folder Sebuah directory (folder) adalah seperti ruangan-ruangan (kamar-kamar) pada sebuah komputer yang berfungsi sebagai tempat penyimpanan dari berkas-berkas (file).
Lebih terperinciPenggunaan Jaringan Syaraf Tiruanuntuk Membaca Karakter pada Formulir Nilai Mata Kuliah
Vol. 14, No. 1, 61-68, Juli 2017 Penggunaan Jaringan Syaraf Tiruanuntuk Membaca Karakter pada Formulir Nilai Mata Kuliah La Surimi, Hendra, Diaraya Abstrak Jaringan syaraf tiruan (JST) telah banyak diaplikasikan
Lebih terperinciBAB 3 METODOLOGI PENELITIAN
BAB 3 METODOLOGI PENELITIAN 3.1. Penentuan Masalah Penelitian Masalah masalah yang dihadapi oleh penggunaan identifikasi sidik jari berbasis komputer, yaitu sebagai berikut : 1. Salah satu masalah dalam
Lebih terperinciTHINNING ZHANG-SUEN DAN STENTIFORD UNTUK MENENTUKAN EKSTRAKSI CIRI (MINUTIAE) SEBAGAI IDENTIFIKASI POLA SIDIK JARI WHORL DAN LOOP
Teknologi Elektro, Vol. 15, No. 2, Juli - Desember 2016 127 THINNING ZHANG-SUEN DAN STENTIFORD UNTUK MENENTUKAN EKSTRAKSI CIRI (MINUTIAE) SEBAGAI IDENTIFIKASI POLA SIDIK JARI WHORL DAN LOOP Faiza Alif
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Pada bab ini akan dibahas teori yang berkaitan dengan sistem pendeteksi orang tergeletak mulai dari : pembentukan citra digital, background subtraction, binerisasi, median filtering,
Lebih terperinciPenerapan Graf Terhubung untuk Menentukan Klasifikasi Sidik Jari
Penerapan Graf Terhubung untuk Menentukan Klasifikasi Sidik Jari Annisa Muzdalifa/13515090 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha
Lebih terperinciVERIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR CHAIN CODE ABSTRAK
VERIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR CHAIN CODE Andre Sitorus (0822107) Jurusan Teknik Elektro email: tiantorus11@gmail.com ABSTRAK Pola yang dibentuk oleh
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Seiring dengan perkembangan zaman yang secara tidak disadari diikuti oleh perkembangan teknologi sangat banyak memberi pengaruh terhadap perkembangan ilmu
Lebih terperinciPENGOLAHAN CITRA DIGITAL
PENGOLAHAN CITRA DIGITAL Aditya Wikan Mahastama mahas@ukdw.ac.id Histogram dan Operasi Dasar Pengolahan Citra Digital 3 UNIV KRISTEN DUTA WACANA GENAP 1213 v2 MAMPIR SEB EN TAR Histogram Histogram citra
Lebih terperinci... BAB 2 LANDASAN TEORI. 2.1 Citra
6 BAB 2 LANDASAN TEORI 2.1 Citra Citra atau image adalah suatu matriks dimana indeks baris dan kolomnya menyatakan suatu titik pada citra tersebut dan elemen matriksnya (yang disebut sebagai elemen gambar
Lebih terperinciAPLIKASI DETEKSI MIKROKALSIFIKASI DAN KLASIFIKASI CITRA MAMMOGRAM BERBASIS TEKSTUR SEBAGAI PENDUKUNG DIAGNOSIS KANKER PAYUDARA
APLIKASI DETEKSI MIKROKALSIFIKASI DAN KLASIFIKASI CITRA MAMMOGRAM BERBASIS TEKSTUR SEBAGAI PENDUKUNG DIAGNOSIS KANKER PAYUDARA Yusti Fitriyani Nampira 50408896 Dr. Karmilasari Kanker Latar Belakang Kanker
Lebih terperinciPercobaan 1 Percobaan 2
direpresentasikan dengan histogram. Perlakuan pertama terhadap data-data penelitian ini adalah menghitung histogramnya. Kemudian dari interval antara 0-255 akan dibagi menjadi interval-interval bagian
Lebih terperinciTUGAS AKHIR CI1599 METODE PENGENALAN SIDIK JARI PARSIAL DENGAN MENGGUNAKAN DELAUNAY TRIANGULATION DAN ALGORITMA GENETIKA
TUGAS AKHIR CI1599 METODE PENGENALAN SIDIK JARI PARSIAL DENGAN MENGGUNAKAN DELAUNAY TRIANGULATION DAN ALGORITMA GENETIKA TOVAN SETIONO NRP 5105 100 007 Dosen Pembimbing Prof. Dr. Ir. Handayani Tjandrasa,
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Citra Citra merupakan salah satu komponen multimedia yang memegang peranan sangat penting sebagai bentuk informasi visual. Meskipun sebuah citra kaya akan informasi, namun sering
Lebih terperinciBAB II TINJUAN PUSTAKA
BAB II TINJUAN PUSTAKA Bab ini menjelaskan mengenai konsep-konsep dasar yang digunakan sebagai penunjang dalam pembuatan penelitian ini. Adapun Konsep-konsep dasar tersebut meliputi : 2.1 Sejarah Watermarking
Lebih terperinciKlasifikasi dan Peningkatan Kualitas Citra Sidik Jari Menggunakan FFT (Fast Fourier Transform) Salahuddin 1), Tulus 2), dan Fahmi 3)
Klasifikasi dan Peningkatan Kualitas Citra Sidik Jari Menggunakan FFT (Fast Fourier Transform) Salahuddin 1), Tulus 2), dan Fahmi 3) Jurusan Teknik Elektro Politeknik Negeri Lhokseumawe 1) Jl. B. Aceh-Medan
Lebih terperinciPENDAHULUAN TINJAUAN PUSTAKA
Latar Belakang PENDAHULUAN Klasifikasi merupakan salah satu bidang kajian pada machine learning. Klasifikasi adalah proses menemukan sekumpulan model atau fungsi yang menggambarkan dan membedakan konsep
Lebih terperinciIDENTIFIKASI SESEORANG BERDASARKAN CITRA TELINGA DENGAN MENGGUNAKAN METODE TRANSFORMASI HOUGH ABSTRAK
IDENTIFIKASI SESEORANG BERDASARKAN CITRA TELINGA DENGAN MENGGUNAKAN METODE TRANSFORMASI HOUGH Syafril Tua (0822088) Jurusan Teknik Elektro email: syafrilsitorus@gmail.com ABSTRAK Struktur telinga adalah
Lebih terperinciKLASIFIKASI DAN PENINGKATAN KUALITAS CITRA SIDIK JARI MENGGUNAKAN FFT (FAST FOURIER TRANSFORM)
KLASIFIKASI DAN PENINGKATAN KUALITAS CITRA SIDIK JARI MENGGUNAKAN FFT (FAST FOURIER TRANSFORM) Salahuddin 1), Tulus 2), F. Fahmi 3) Jurusan Teknik Elektro Politeknik Negeri Lhokseumawe 1) Jl. B. Aceh-Medan
Lebih terperinciPENINGKATAN KUALITAS CITRA SIDIK JARI MENGGUNAKAN FFT (FAST FOURIER TRANSFORM)
Peningkatan Kualitas Citra Sidik Jari Menggunakan FFT...Salahuddin, dkk PENINGKATAN KUALITAS CITRA SIDIK JARI MENGGUNAKAN FFT (FAST FOURIER TRANSFORM) Salahuddin 1, Tulus 2 dan Fahmi 3 1) Magister Teknik
Lebih terperinciBAB 2 TINJAUAN PUSTAKA. Sistem biometrik merupakan teknologi pengenalan diri yang menggunakan
19 BAB 2 TINJAUAN PUSTAKA 2.1. Sistem Biometrik Sistem biometrik merupakan teknologi pengenalan diri yang menggunakan bagian tubuh atau perilaku manusia. Sidik jari dan tanda tangan merupakan contoh biometrik
Lebih terperinciCara Membaca Sidik Jari Untuk Mengenali Potensi Bakat Diri
Cara Membaca Sidik Jari Untuk Mengenali Potensi Bakat Diri Pengenalan Sidik Jari Sidik jari merupakan identitas pribadi yang tak mungkin ada yang menyamainya. Jika di dunia ini hidup 6 miliar orang, maka
Lebih terperinciIdentifikasi Tanda Tangan Menggunakan Transformasi Gabor Wavelet dan Jarak Minskowski
Identifikasi Tanda Tangan Menggunakan Transformasi Gabor Wavelet dan Jarak Minskowski Junia Kurniati Computer Engineering Department Faculty of Computer Science Sriwijaya University South Sumatera Indonesia
Lebih terperinciAlgoritma 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 terperinciPEMANFAATAAN BIOMETRIKA WAJAH PADA SISTEM PRESENSI MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK
PEMANFAATAAN BIOMETRIKA WAJAH PADA SISTEM PRESENSI MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK Program Studi Matematika FMIPA Universitas Negeri Semarang Abstrak. Saat ini, banyak sekali alternatif dalam
Lebih terperinciBAB 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 terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Citra Digital Citra digital adalah citra yang bersifat diskrit yang dapat diolah oleh computer. Citra ini dapat dihasilkan melalui kamera digital dan scanner ataupun citra yang
Lebih terperinciBAB II TINJAUAN PUSTAKA. menggunakan PCA, kemudian penelitian yang menggunakan algoritma Fuzzy C-
8 BAB II TINJAUAN PUSTAKA 2.1 Studi Pendahuluan Sebelumnya telah ada penelitian tentang sistem pengenalan wajah 2D menggunakan PCA, kemudian penelitian yang menggunakan algoritma Fuzzy C- Means dan jaringan
Lebih terperinciANALISIS STEGANOGRAFI METODE TWO SIDED SIDE MATCH
ANALISIS STEGANOGRAFI METODE TWO SIDED SIDE MATCH Nurul Khairina Politeknik Ganesha Medan J Jl. Veteran No. 190 Pasar VI Manunggal nurulkhairina27@gmail.com Abstrak Terbatasnya ukuran citra terhadap panjang
Lebih terperinciOperasi-operasi Dasar Pengolahan Citra Digital
Operasi-operasi Dasar Pengolahan Citra Digital Pendahuluan Citra digital direpresentasikan dengan matriks. Operasi pada citra digital pada dasarnya adalah memanipulasi elemen- elemen matriks. Elemen matriks
Lebih terperinciBAB III METODE PENELITIAN. dan bahan, agar mendapatkan hasil yang baik dan terstruktur. Processor Intel Core i3-350m.
BAB III METODE PENELITIAN 3.1 Alat dan Bahan Untuk menunjang penelitian yang akan dilakukan, maka diperlukan alat dan bahan, agar mendapatkan hasil yang baik dan terstruktur. 3.1.1 Alat Penelitian Adapun
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Klasifikasi sidik jari merupakan bagian penting dalam sistem pengidentifikasian individu. Pemanfaatan identifikasi sidik jari sudah semakin luas sebagai bagian dari
Lebih terperinciBAB II LANDASAN TEORI. Berdasarkan kamus Bahasa Indonesia, absen adalah tidak bekerjanya
BAB II LANDASAN TEORI 2.1 Pengertian Absensi Berdasarkan kamus Bahasa Indonesia, absen adalah tidak bekerjanya seorang pegawai pada saat hari kerja, karena sakit, izin, alpa atau cuti. Absensi adalah daftar
Lebih terperinciFACE RECOGNITION MENGGUNAKAN METODE TWO- DIMENSIONAL PRINCIPAL COMPONENTS ANALYSIS (2DPCA) ABSTRAK
FACE RECOGNITION MENGGUNAKAN METODE TWO- DIMENSIONAL PRINCIPAL COMPONENTS ANALYSIS (2DPCA) Kurnia Novita Mutu (0722029) Jurusan Teknik Elektro email: mutunia@gmail.com ABSTRAK Perkembangan biometrik pada
Lebih terperinciKONSEP DASAR PENGOLAHAN CITRA
KONSEP DASAR PENGOLAHAN CITRA Copyright @ 2007 by Emy 2 1 Kompetensi Mampu membangun struktur data untuk merepresentasikan citra di dalam memori computer Mampu melakukan manipulasi citra dengan menggunakan
Lebih terperinciImplementasi Principal Component Analysis (PCA) Untuk Pengenalan Wajah Manusia
Nusantara of Engineering/Vol. 2/ No. 1/ISSN: 2355-6684 65 Implementasi Principal Component Analysis (PCA) Untuk Pengenalan Wajah Manusia Rina Firliana, Resty Wulanningrum, Wisnu Sasongko Jurusan Teknik
Lebih terperinciBAB 2 TINJAUAN TEORITIS
BAB 2 TINJAUAN TEORITIS 2.1 Citra RGB Suatu citra biasanya mengacu ke citra RGB. Citra (image) merupakan suatu yang menggambarkan objek dan biasanya dua dimensi. Citra merupakan suatu representasi, kemiripan
Lebih terperinciKlasifikasi dan Peningkatan Kualitas Citra Sidik Jari Menggunakan FFT (Fast Fourier Transform)
Klasifikasi dan Peningkatan Kualitas Citra Sidik Jari Menggunakan FFT (Fast Fourier Transform) Salahuddin 1),Tulus 2), dan Fahmi 3) Jurusan Teknik Elektro Politeknik Negeri Lhokseumawe 1) Jl. B. Aceh-Medan
Lebih terperinciBAB 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 terperinciABSTRAK. Michael Parlindungan ( ) Jurusan Teknik Elektro Universitas Kristen Maranatha
PENGENALAN POLA HURUF t DARI TULISAN TANGAN UNTUK MENENTUKAN KARAKTER SESEORANG DENGAN MENGGUNAKAN PRINCIPAL COMPONENT ANALYSIS DAN ALGORITMA BACKPROPAGATION ABSTRAK Michael Parlindungan (0722017) Jurusan
Lebih terperincidengan metode penelitian yang dapat dilihat pada Gambar 9. Data Citra Tumbuhan
dengan metode penelitian yang dapat dilihat pada Gambar 9. Data Citra Tumbuhan Gambar 8 Struktur PNN. 1. Lapisan pola (pattern layer) Lapisan pola menggunakan 1 node untuk setiap data pelatihan yang digunakan.
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI. dilakukan oleh para peneliti, berbagai metode baik ekstraksi fitur maupun metode
BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI 2. Penelitian Terdahulu Beberapa penelitian mengenai pengenalan tulisan tangan telah banyak dilakukan oleh para peneliti, berbagai metode baik ekstraksi fitur
Lebih terperinciBAB 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 terperinciPENGUJIAN KUALITAS CITRA SIDIK JARI KOTOR MENGGUNAKAN LEARNING VECTOR QUANTIZATION (LVQ)
Penguian Kualitas Citra Sidik Jari Kotor Menggunakan...Muhammad Nasir dan Muhammad Syahroni PENGUJIAN KUALITAS CITRA SIDIK JARI KOTOR MENGGUNAKAN LEARNING VECTOR QUANTIZATION (LVQ) Muhammad Nasir 1 dan
Lebih terperinciImplementasi Teori Graf Dalam Masalah Fingerprint Recognition (Pengenalan Sidik Jari)
Implementasi Teori Graf Dalam Masalah Fingerprint Recognition (Pengenalan Sidik Jari) Amalfi Yusri Darusman Jurusan Teknik Informatika Institut Teknologi Bandung, jalan Ganesha 10 Bandung, email : if17023@students.if.itb.a.c.id
Lebih terperinciPembentukan Citra. Bab Model Citra
Bab 2 Pembentukan Citra C itra ada dua macam: citra kontinu dan citra diskrit. Citra kontinu dihasilkan dari sistem optik yang menerima sinyal analog, misalnya mata manusia dan kamera analog. Citra diskrit
Lebih terperinciKLASIFIKASI CITRA SIDIK JARI BERDASARKAN ENAM TIPE PATTERN MENGGUNAKAN METODE EUCLIDEAN DISTANCE
1 KLASIFIKASI CITRA SIDIK JARI BERDASARKAN ENAM TIPE PATTERN MENGGUNAKAN METODE EUCLIDEAN DISTANCE Ifan Hari Pradana Jurusan Teknik Informatika, Fakultas Ilmu Komputer, Universitas Dian Nuswantoro Jl.
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi di bidang informasi spasial dan fotogrametri menuntut sumber data yang berbentuk digital, baik berformat vektor maupun raster. Hal ini dapat
Lebih terperinciSegmentasi 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 terperinciSYSTEMIC Vol. 1, No. 1, Agustus 2015, PENGENALAN CATATAN PENJUALAN MENGGUNAKAN PENGENALAN ANGKA BERBASIS KORELASI.
SYSTEMIC Vol. 1, No. 1, Agustus 2015, 14-19 PENGENALAN CATATAN PENJUALAN MENGGUNAKAN PENGENALAN ANGKA BERBASIS KORELASI Ahmad Yusuf 1) 1) Fakultas Sains dan Teknologi, Universitas Islam Negeri Sunan Ampel
Lebih terperinciBAB 3 METODOLOGI. 3.1 Kerangka Pikir
BAB 3 METODOLOGI 3.1 Kerangka Pikir Pengenalan sidik jari merupakan salah satu metode yang diterapkan pada teknologi yang digunakan manusia seperti pada mesin absensi, alat pengamanan pada brankas dan
Lebih terperinciMorphological Image Processing
Morphological Image Processing Muhammad Kusban Teknik Elektro, Universitas Muhammadiyah Surakarta Abstrak -- Proses morphologi terutama digunakan untuk menghilangkan ketidaksempurnaan bentuk yang ada dalam
Lebih terperinciBAB 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 terperinciGLOSARIUM Adaptive thresholding Peng-ambangan adaptif Additive noise Derau tambahan Algoritma Moore Array Binary image Citra biner Brightness
753 GLOSARIUM Adaptive thresholding (lihat Peng-ambangan adaptif). Additive noise (lihat Derau tambahan). Algoritma Moore : Algoritma untuk memperoleh kontur internal. Array. Suatu wadah yang dapat digunakan
Lebih terperinciSAMPLING 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 terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Citra Citra (image) atau yang secara umum disebut gambar merupakan representasi spasial dari suatu objek yang sebenarnya dalam bidang dua dimensi yang biasanya ditulis dalam
Lebih terperinciALGORITMA PENGIDENTIFIKASIAN SIDIK JARI BERDASARKAN PRINSIP PENCOCOKAN GRAF
ALGORITMA PENGIDENTIFIKASIAN SIDIK JARI BERDASARKAN PRINSIP PENCOCOKAN GRAF Nabilah Shabrina Jurusan Teknik Informatika Institut Teknologi Bandung Jalan Ganesha no.10 Bandung if18087@students.if.itb.ac.id
Lebih terperinciAnalisa Hasil Perbandingan Metode Low-Pass Filter Dengan Median Filter Untuk Optimalisasi Kualitas Citra Digital
Analisa Hasil Perbandingan Metode Low-Pass Filter Dengan Median Filter Untuk Optimalisasi Kualitas Citra Digital Nurul Fuad 1, Yuliana Melita 2 Magister Teknologi Informasi Institut Saint Terapan & Teknologi
Lebih terperinciSuatu 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 terperinciVERIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FILTER GABOR ABSTRAK
VERIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FILTER GABOR Eric (0822026) Jurusan Teknik Elektro Universitas Kristen Maranatha email: eric.wennas@gmail.com ABSTRAK Pola pembuluh
Lebih terperinciPengolahan Citra : Konsep Dasar
Pengolahan Citra Konsep Dasar Universitas Gunadarma 2006 Pengolahan Citra Konsep Dasar 1/14 Definisi dan Tujuan Pengolahan Citra Pengolahan Citra / Image Processing Proses memperbaiki kualitas citra agar
Lebih terperinciIDENTIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR SCALE INVARIANT FEATURE TRANSFORM
IDENTIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR SCALE INVARIANT FEATURE TRANSFORM (SIFT) Vikri Ahmad Fauzi (0722098) Jurusan Teknik Elektro email: vikriengineer@gmail.com
Lebih terperinciMKB3383 TEKNIK PENGOLAHAN CITRA Pemrosesan Citra Biner
MKB3383 TEKNIK PENGOLAHAN CITRA Pemrosesan Citra Biner Dosen Pengampu: Muhammad Zidny Naf an, M.Kom. Genap 2016/2017 Definisi Citra biner (binary image) adalah citra yang hanya mempunyai dua nilai derajat
Lebih terperinciIDENTIFIKASI TANDA TANGAN MENGGUNAKAN ALGORITMA DOUBLE BACKPROPAGATION ABSTRAK
IDENTIFIKASI TANDA TANGAN MENGGUNAKAN ALGORITMA DOUBLE BACKPROPAGATION Disusun oleh: Togu Pangaribuan 0722087 Jurusan Teknik Elektro, Fakultas Teknik, Jl. Prof.Drg. Suria Sumantri, MPH No. 65, Bandung
Lebih terperinciPENDAHULUAN TINJAUAN PUSTAKA
Latar Belakang PENDAHULUAN Indonesia merupakan negara tropis yang memiliki + 30.000 spesies tumbuh-tumbuhan ([Depkes] 2007). Tumbuh-tumbuhan tersebut banyak yang dibudidayakan sebagai tanaman hias. Seiring
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi perangkat lunak dewasa ini tidak terlepas dari berkembangnya studi mengenai kecerdasan buatan. Ada dua hal yang termasuk dari kecerdasan buatan
Lebih terperinciPERANCANGAN 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 terperinciFitur Matriks Populasi Piksel Untuk Membedakan Frame-frame Dalam Deteksi Gerakan
Fitur Matriks Populasi Piksel Untuk Membedakan Frame-frame Dalam Deteksi Gerakan Teady Matius Surya Mulyana tmulyana@bundamulia.ac.id, teadymatius@yahoo.com Teknik Informatika Universitas Bunda Mulia Abstrak
Lebih terperinci